magi

Automatische Texterstellung für Manga: Erkennt Manga-Charaktere, Textblöcke und Panels, sortiert Panels, gruppiert Charaktere, ordnet Text den Sprechern zu und führt eine optische Zeichenerkennung (OCR) durch.

Normales ProduktBildBildverarbeitungManga-Analyse

Website öffnen

magi ist ein Modell zur automatischen Texterstellung für Manga. Es erkennt Charaktere, Textblöcke und Panels in Manga und ordnet diese in der richtigen Reihenfolge an. Darüber hinaus kann das Modell Charaktere gruppieren, Text den entsprechenden Sprechern zuordnen und OCR zur Textextraktion durchführen.

Automatische Erkennung von Manga-Charakteren
Textblöcken und Panels
Sortierung von Manga-Panels
Gruppierung von Manga-Charakteren
Zuordnung von Text zu Sprechern
OCR zur Textextraktion

Geeignet für Forscher
Entwickler und Manga-Enthusiasten
die die automatische Texterstellung für Manga benötigen.

Erstellung von Textprotokollen für Manga mit magi
Automatisierung der Digitalisierung und Indizierung von Manga-Inhalten
Unterstützung bei der Manga-Übersetzung und -Lokalisierung

Website öffnen

magi Neueste Verkehrssituation

Monatliche Gesamtbesuche

474564576

Absprungrate

36.20%

Durchschnittliche Seiten pro Besuch

6.1

Durchschnittliche Besuchsdauer

00:06:34

magi Besuchstrend

magi Geografische Verteilung der Besuche

Best AI Websites & Tools

magi

magi Neueste Verkehrssituation

magi Besuchstrend

magi Geografische Verteilung der Besuche

magi Traffic-Quellen

magi Alternativen

magi — Automatische Texterstellung für Manga: Erkennt Manga-Charaktere, Textblöcke und Panels, sortiert Panels, gruppiert Charaktere, ordnet Text den Sprechern zu und führt eine optische Zeichenerkennung (OCR) durch.

EdgeOne Pages Functions KI-OCR — KI-basierte optische Zeichenerkennung (OCR)-Dienst

ViTLP — Visuell geführtes, vortrainiertes Modell zur Textlayoutgenerierung für die Dokumentenintelligenz

Excerptor — Extrahiert unterstrichene oder handgeschriebene Markierungen aus physischen Büchern.

HunyuanVideo-I2V — HunyuanVideo-I2V ist ein von Tencent entwickeltes Framework zur Bild-zu-Video-Generierung, basierend auf HunyuanVideo.

Aya Vision 32B — Aya Vision 32B ist ein mehrsprachiges visuell-sprachliches Modell, das für OCR, Bildbeschreibung, visuelles Schließen und andere Zwecke geeignet ist.

Aya Vision 8B — Modèle de langage visuel multilingue à 800 millions de paramètres, prenant en charge l'OCR, la description d'images et le raisonnement visuel.

UniTok — UniTok ist ein einheitlicher visueller Tokenizer für die visuelle Generierung und das visuelle Verständnis.

olmOCR-7B-0225-Vorschau — olmOCR-7B-0225-Vorschau ist ein auf Qwen2-VL-7B-Instruct feingetuntes Modell zur optischen Zeichenerkennung (OCR) von Dokumenten, das die effiziente Umwandlung von Dokumenten in reinen Text ermöglicht.

FreeParser — FreeParser ist ein KI-gestütztes, kostenloses Werkzeug zur Dokumentenanalyse, das verschiedene Dateiformate unterstützt.

VisionAgent — VisionAgent ist eine Bibliothek zur Codegenerierung für visuelle Aufgaben und unterstützt verschiedene LLM-Anbieter.

Kreuzberg — Eine Python-Bibliothek zur Textextraktion aus verschiedenen Formaten wie PDF, Bildern und Office-Dokumenten.

MatAnyone — MatAnyone ist ein stabiler Videomaskierungs-Framework mit zielgerichteter Spezifikation, geeignet für komplexe Hintergründe.

leapfusion-hunyuan-image2video — Eine neuartige Bild-zu-Video-Sampling-Technik, die auf dem Hunyuan-Modell basiert und eine hochwertige Videogenerierung ermöglicht.

SmolVLM-256M-Instruct — SmolVLM-256M ist das weltweit kleinste multimodale Modell und verarbeitet effizient Bild- und Texteingaben zur Erzeugung von Textausgaben.

googleocr-app — Eine hochpräzise OCR-Texterkennungsanwendung basierend auf Google Gemini 2.0.

Ollama OCR für Web — Ein leistungsstarkes OCR-Paket, das mithilfe modernster visueller Sprachmodelle Text aus Bildern extrahiert.

Shapen — Wandelt Bilder in 3D-Modelle um, die zum Rendern, Animieren oder 3D-Drucken verwendet werden können.

美图云修 — Professionelle KI-Portraitretusche, blitzschnelle Bearbeitung, optimale Ergebnisse.

StructLDM — Ein strukturiertes latentes Diffusionsmodell zum Erlernen der 3D-Körperschaftsgenerierung aus 2D-Bildern.

FitDiT — FitDiT ist eine neuartige, auf Wahrnehmungsverstärkung basierende Technologie für das hochgenaue virtuelle Anprobieren von Kleidung.

Hallo3 — Eine hochdynamische, realistische Porträtbildanimationstechnik basierend auf einem Diffusions-Transformer-Netzwerk.

SVFR — SVFR ist ein einheitlicher Rahmen für die Video-Gesichtsrestaurierung.

InternVL2.5-38B-MPO — Die InternVL2.5-MPO-Modellreihe basiert auf InternVL2.5 und der Mixed Preference Optimization (MPO) und bietet herausragende Leistung.

STAR — STAR ist ein spatiotemporales Verstärkungsframework für die Superauflösung von realen Videos, das erstmals leistungsstarke Text-zu-Video-Diffusions-Prioren in die Superauflösung realer Videos integriert.

InternVL2_5-26B-MPO-AWQ — Ein fortschrittliches, multimodal großes Sprachmodell mit herausragender multimodaler Inferenzfähigkeit.

SHMT — Eine selbstüberwachte, hierarchische Make-up-Übertragungstechnik basierend auf latenten Diffusionsmodellen.

ExtractThinker — Intelligentes Dokumentenverarbeitungsframework, speziell für LLMs entwickelt

InternVL2_5-8B-MPO — Großes multimodales Sprachmodell mit hervorragender Gesamtperformance.

TRELLIS 3D KI — Professionelles Tool zur einfachen Umwandlung von Bildern in 3D-Assets.