Ollama-OCR：现在可作为 Python 包使用

Ollama-OCR 提供多种输出格式以适应不同场景：● Markdown：保留结构化格式，包括标题和列表● 纯文本：提取干净、无格式的文本● JSON：便于集成的结构化数据输出● 结构化格式：提取并组织表格和层级内容● 键值对：适合处理表单、发票和收据● 表格：高效提取所有表格数据。

本地大模型，长期更新，可持续关注下！

现在是人工智能时代，利用好AI 工具，可以降低普通人做副业的门槛，同时也能提高工作效率， 因此AI 赚钱的副业还是挺多的，今天拿20个普通人也能尝试的AI搞钱副业分享给大家 ，包括每个副业的名称、做法以及案例。这些副业的案例和做法亲测有效，并且提出了一些建议来加强和改进这些副业。

Mac 安装 Stable Diffusion。

对于开发人员和 OCR 爱好者来说是个好消息——Ollama -OCR现已作为 Python 包提供！🎉 此次更新使将Ollama-OCR集成到您现有的应用程序、工作流程或自动化脚本中变得比以往更加容易。只需几行代码，您现在就可以直接在 Python 中利用最先进的 OCR 功能。

用Python和Ollama的Llama 3.2-Vision模型搭建自己的OCR应用。光学字符识别技术，简称OCR，目前是数字化印刷文本和提取图像信息的核心手段，其重要性正日益凸显。如今，有了AI的加持，尤其是像Llama 3.2-Vision这样的模型，OCR变得更加强大。本文教会大家用Python和Ollama的Llama 3.2-Vision模型，一步步搭建起自己的OCR应用。在开始之前，先确保已准备好以下条件：一台安装了Windows、macOS或Linux的电脑。

Mac Mini M4 配备了苹果自家研发的 M1/M2/M4 芯片，具有强大的处理能力，能够支持本地跑一些大模型，尤其是在使用如 Ollama、Llama、ComfyUI 和 Stable Diffusion 这类 AI 相关工具时，性能表现非常好。在 Mac Mini M4 上本地运行大模型是一项具有挑战性的任务，但通过合理的资源管理和配置，可以使得这些强大的工具和框架运行流畅。在 ComfyUI 中，选择你想要的模型（例如 Stable Diffusion），输入文本提示，点击“生成”按钮即可。

StableDiffusion模型在不同硬件设备上的推理速度大致如下：

AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。

感兴趣的小伙伴，赠送全套AIGC学习资料，包含AI绘画、AI人工智能等前沿科技教程和软件工具，具体看这里。AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。

终于实现 Stable Diffusion 自由了！Mac 本地部署 Stable Diffusion，坑之多，但都已帮大家填平了！想在 Mac 上部署 Stable Diffusion 的同学，拿着这份保姆级教程，直接冲就完事！已将部署过程中踩过的坑一一记录了下来，应该涵盖了大部分同学都会遇到的问题

刚玩完ChatGPT，看着最近大火的AI绘画、赛博coser，还不时给我推送教程视频，我本来就喜欢折腾些新鲜事物，于是心动打算入坑。但Mac作为一个被孤立党（ps.小群体），现在的大环境下都是win的教程，仅有的几篇mac教程文章又因为是某些程序猿大佬随手记录写的[[1\]]，我的代码水平就只会抄抄改改，阅读门槛太高根本看不懂，频频碰壁，借助国内国外资源整合后我终于在M1 Mac上成功本地部署并运行stable-diffusion-webui了

Ollama OCR 理想很丰满，但是实测效果一言难尽

TensorFlow相关组件的安装