UI元素识别

OmniParser 是由微软开源的一款多功能屏幕解析工具，能够将 UI 截图转换为结构化数据，精准识别屏幕上的可点击区域，并理解 UI 元素的功能。它集成了 DeepSeek 技术，能够化身为可操控电脑的 AI 智能体，支持与多种大语言模型（如 DeepSeek、Qwen、OpenAI、Anthropic）无缝集成，通过简单的提示词让 AI 直接操作电脑完成复杂的任务。OmniParser 还包含经过精细调整的 YOLOv8 模型和针对数据集微调的 Florence-2 基础模型，提高了视觉识别的准确度和效率。

Ferret-UI是一个能够理解移动UI的多模态大型语言模型（MLLM），支持根据用户指令执行各种开放任务，旨在增强对移动UI屏幕的理解。

eSearch是一个开源的工具，结合了截屏、OCR、搜索、翻译、贴图、以图搜图和录屏等多种功能，旨在提高用户的工作效率和信息获取能力。

Jam是一个缺陷报告工具，允许用户快速轻松地报告软件产品中的缺陷。用户只需截图或录屏，Jam便会自动生成包含必要信息的缺陷报告，帮助工程师调试问题。

Scan2AI是一个先进的Chrome扩展，用户可以捕捉屏幕的任意区域并将其发送到强大的AI API进行即时处理和洞察。

Crit Design是一个由GPT-4 Vision驱动的设计助手，旨在简化设计过程，加快决策速度，并通过AI建议提升产品质量。用户只需在浏览器中添加扩展，便可捕捉屏幕或上传图像，让AI进行评估、建议、分析，并生成UX报告。

storychat.app是一个基于AI的对话平台，帮助创作者实现内容变现。用户可以轻松创建与角色的互动对话或使用AI生成图像，并通过专门的分享渠道快速销售和分享他们的作品。

Hugging Chat旨在提供一个具有友好人性化个性的AI助手，能够理解并回答自然语言提问。用户只需访问网站，输入查询或消息即可与AI助手互动。