基于 Gemai API的文生图和图生图 Web 应用，使用 Gradio + FastAPI框架构建。

基于 FastAPI + Gradio + Qwen3-VL 的多平台视频解析、下载与 AI 内容提取系统。支持抖音、哔哩哔哩、小红书、快手、好看视频等平台的无水印视频解析与下载，提供在线播放功能。集成 Qwen3-VL 视觉语言模型，可智能提取视频内容并生成文字描述。

上海人工智能实验室OpenDataLab团队正式推出的智能数据提取工具MinerU。具备将混合图片、公式、表格、脚注等在内的复杂多模态 PDF 文档转化为Markdown格式的能力，可大幅提升AI语料的准备效率。

DeepSeek-OCR-2是一款高效精准的文字识别应用，能够快速从图像、截图、扫描件等多种格式中提取文字信息。它彻底解决了手动录入文字效率低下、容易出错的痛点，极大提升了信息采集与整理的速度。无论是学生从课件、书籍中摘录笔记，记者处理采访照片中的文字，还是商务人士提取会议纪要、合同条款，亦或是研究人员整理文献资料，DeepSeek-OCR-2都能轻松应对，让文字识别变得简单快捷。