qinglong-captions 更新：引入 OvisOCR2 与钢琴谱识别模型
bdsqlsz · x · 2026-08-02
图像打标工具 qinglong-captions 发布 4.7.0 版本更新。本次更新新增了 OvisOCR2 图像 OCR 功能，并引入了作者自行训练的 MuSViT OMR 模型用于光学乐谱识别。
目前该乐谱识别模型基于官方数据集训练，暂仅支持识别钢琴谱，作者表示后续版本将尝试支持全谱识别。
所属事件:图像打标工具 qinglong-captions 发布 v4.7.0 更新(2 条相关)→
「多模态」频道最新
- 独立创作者用 AI 原生工作流做出一部动画短片集 — ComprehensiveLime654 · 2026-10-16
- Ideogram 暗示图像模型 4.5 将至,被追问开放权重时回应「快了」 — East_Shoe8814 · 2026-10-16
- 网友实测：Opus 5.5 生成竖屏视频完成度惊人 — FinanceYF5 · 2026-10-16
- 「星海幻梦」提示词模板：星空与海洋的梦幻融合 — LudovicCreator · 2026-10-16
- 「丰满小红帽」音乐剧：AI 创作者的圆梦之作 — bennash · 2026-10-16
- 港理工发布 CoWorld Reasoner：用视频世界模型驱动的智能体视觉推理框架 — ModalityDance · 2026-10-16