Крутой онлайн-конструктор стеллажей с возможностью заказа.
Поскольку я гик, то люблю всё точное и технологичное, не люблю лишний раз взаимодействовать с людьми, а еще у меня есть страсть организовывать вещи. Нередко это боль: купишь стеллаж в какой-нибудь Икее или Леруа, и всё равно часть предметов слишком большие или слишком маленькие для ячеек, а сам стеллаж либо не влезает в нужное место комнаты, либо оставляет слишком много свободного места.
И вот прочитал на VC статью о пермском производстве мебели "Привет Макет", которое сделало онлайн-конструктор и автоматизировало распил и сверление нетиповой продукции. Сразу полез смотреть.
Оказалось ровно то, что мне нужно. Супер крутой 3D-конструктор в браузере, где реально можно составить практически что хочешь конкретно по своим размерам и под свои нужды. Сразу отображает цену в реальном времени. Дальше жмешь заказ, на стороне производства создаются нужные задачи под ЧПУ-машины, которые после подтверждения запускают в работу. Доставка из Перми Деловыми Линиями.
Отдельный респект за то, как всё упаковано. На всех коробках номера или другие поясняющие записи, весь крепеж аккуратненько разложен по пакетикам, для одинакового вида крепежа есть уточнения по области применения. Ещё в комплекте чертежи и обозначения каждой детали, чтобы не запутаться.
В общем, получил от сборки много удовольствия — такое лего для взрослых, ещё и сделанное по твоим запросам. Скоро покажу вам, что в итоге получилось после размещения вещей. Правый стеллаж под настолки, левый под электронику и другие бытовые штуки.
P.S. За этот пост мне никто не платил, делюсь личными впечатлениями и крайне поддерживаю все подобные начинания, как у этой фабрики.
#life#окр
Image to Text OCR is a utility website made by Alejandro Akbal for extracting text from any image using #OCR.
This tool was made for those moments where you take a photo of some text and wish you could have it digitally.
https://github.com/AlejandroAkbal/Image-to-Text-OCR
Online: https://image-to-text-ocr.netlify.app/
🦉 LightOnOCR-1B: новая быстрая OCR-модель от LightOn
Модель дистиллирована из Qwen2-VL-72B-Instruct и обучена на корпусе из 17.6 млн страниц / 45.5 млрд токенов.
🔥 Главное:**
-1 B параметров
- позволяет обрабатывать 5.7 страниц/с на одном H100 (это примерно ≈ 493 000 страниц за день)
- Распознаёт таблицы, формы, уравнения и сложные макеты
- 6.5× быстрее dots.ocr, 1.7× быстрее DeepSeekOCR
- Расходы < $0.01 за 1000 страниц A4
📊 Качество (Olmo-Bench):
- Превосходит DeepSeekOCR
- Сопоставима с dots.ocr (при этом модель в 3 раза меньше по весу)
- +16 пт к Qwen3-VL-2B-Instruct
Эта моделька - отличный баланс качества, скорости и стоимости.
🟢Модель 1B: https://huggingface.co/lightonai/LightOnOCR-1B-1025
🟢Модель 0.9B (32k): https://huggingface.co/lightonai/LightOnOCR-0.9B-32k-1025)
🟢Блог LightOn:https://huggingface.co/blog/lightonai/lightonocr
🟢Демка: https://huggingface.co/spaces/lightonai/LightOnOCR-1B-Demo
@ai_machinelearning_big_data
#ocr#ml
📄 DeepSeek-OCR - модель для распознавания текста 🔍
DeepSeek выпустили мощную OCR-модель, способную преобразовывать изображения документов прямо в Markdown или текст.
Что умеет:
- Распознаёт текст на изображениях и в PDF
- Работает с документами, таблицами и сложными макетами
- Поддерживает разные режимы: Tiny, Small, Base, Large
- Оптимизирована под GPU (PyTorch + CUDA 11.8)
- MIT-лицензия — можно свободно использовать и модифицировать
DeepSeek-OCR достигает высокой точности и эффективности за счёт компрессии визуальных токенов. На Omnidocbench - лучшая точность при минимуме визуальных токенов, превосходит другие OCR-модели по эффективности и скорости.
🟠HF: https://huggingface.co/deepseek-ai/DeepSeek-OCR
🟠Github: https://github.com/deepseek-ai/DeepSeek-OCR
🟠Paper: https://github.com/deepseek-ai/DeepSeek-OCR/blob/main/DeepSeek_OCR_paper.pdf
@ai_machinelearning_big_data
#ocr#DeepSeek