这货从买了，没 2 、3 个月就废了。 后面一直闲置了

多年前就做过各个平台视频的处理，那会讯飞等已经非常非常便宜了。后来都是免费方案，太多了。 你这种只能走工具集合，门槛太低

@barantt01 用 inspect 试过了不行，UIA 做不到

@barantt01 千牛客户端 有网页版吗？有的话，搞个插件就 ok 了啊

@moooooooo 标注的话大模型效果不知道效果如何，你之前场景大概是哪种的标注？方便截图+马赛克看下么？ 如果是实现方案，用 ocr ，然后大模型总结，可以；视觉模型也可以。我这就是为了省点钱，才定的 yolo + ocr

@Muniesa 对啊，茅塞顿开，我先试试标注的准确度

@afirefish @street000 这个方案主要是为了省点 token ，用视觉模型来做肯定没问题。我当时想的是，需要知道一条消息（发送人、时间、内容），ocr 的话，识别内容没问题，但是识别出来发送人、时间不一定是一组，担心发送人识别成多个坐标多个内容，时间也是一样的担心。所以用 yolo 先分组，如果一组消息被截断（上下滚动条位置），那就滚动或者有新消息的时候，下一轮也能捕获到（不考虑