gemini-3-flash、手書き文字のOCR精度高くてよい。まえはVisionAPI挟まないとできなかったけど、今はもうgemini-3-flashだけで良くなった。

macOSのVision API、やばいな Claude Code skillsでいい感じのオシャレな画像素材作らせてるんだけど nanobananaは背景透過できない問題があった。 試しにmacOSのvisionAPI使わせたらローカルでこのクオリティの背景透過ができた

gSenti CT I’ve finished building the API section for my VisionAPI you can now generate an API key and test VisionAI. It’s built using @SentientAGI ROMA and the Sentient Agent Framework. You can also try out the API directly on the website (link in the comment). I’ll be really excited if you build something with the VisionAI API.

“Hey Cursor!” in AR 👀 In the coming years, AI will feel as natural as your phone - but it’ll need new ways to interact with you and the world. I wanted to see what Cursor might look like on the go with AR. Nothing fancy - just RDP Voice Accessibility APIs bunch of bash scripts- but it worked (after 3 crashes 😅). Built in <24hrs: • Electron tray app that listens for “Hey Cursor!” • Translates what you say into command context • Executes commands (open/close, focus, create/remove chats, approved, review, new file, TTS/STT) • Feeds Cursor keybindings into a nav map for chaining harder tasks (“Hey Cursor, create a new chat so we can plan something” → [new chat] → [focus text] → [start STT]) • Organizes Windows to maximize space per screen Over time, the window-bound IDE (Editor, Agent, Chat, FS, Terminal) will deconstruct into something new - you’re already seeing the first signs in the Agent view. STT, VisionAPI, Chat completion: @OpenAI TTS: @elevenlabs IDE: @cursor_ai AR: @MetaQuestVR Accessibility API: @Apple

プロンプト「RGBCameraExample.csをカメラ画像を定期的にbase64でAnthropicのVisionAPIに送って写っている物体の説明を表示できるように変更してください。UIまわりも全てYUVImageの子オブジェクトとしてコードで生成してもらえますか」

いま、紙でもらった資料を何も考えずにスキャンしてNotebookLMに食わせた。 そーいえば、スキャンしたら画像だが大丈夫だっけ？とか思ったけど、普通にできてるやん。びっくりした。 VisionAPIごめんなって気分になった。

#1日1時間チャレンジ cloud visionAPIでもgeminiと同じ結果になるため一度yomitokuでOCRし 結果をLLMで処理が正解かもしれない。 なお今年の4月に手書き文字もサポートされたらしい github.com/kotaro-kinoshita/…

With the arrival of GPT-4 Turbo with Vision, AI developers must be excited about the new possibilities! The bitgrit community is full of such awesome AI developers! Their technology and passion will open up the future of AI. #GPT4 #VisionAPI #bitgrit

📌 Sonuç AI destekli özellikler iOS uygulamalarına hız, kullanıcı deneyimi ve yenilik katıyor. 🚀 Core ML, SiriKit, Vision ve büyük dil modelleri gibi araçlarla uygulamanıza geleceğin teknolojilerini entegre edebilirsiniz. 🔍 Sizce en faydalı AI özelliği hangisi? Yorumlarda paylaşın! 👇 #iOS #Swift #CoreML #AI #MachineLearning #SiriKit #VisionAPI #ChatGPT #MobileApps #iOSDevelopment

J-kunさん、超絶ウルトラスーパー大共感します🙇‍♂️✨ 特徴量が増やせたり、構造化できたり、データとしての持ち方がものすごく変わりますよね。 そしてVLMも着目されてるの流石です。今VisionAPIとかでサムネ分析も試してますが、私もVLM使いたく、その際はまたお力やお知恵をお貸しください...🙇‍♂️ ビッグデータのこと、本当におっしゃる通りです。凄まじくでかい波来そうです。そして意外と気付いてない人もいる気がする...😳

brainappのこちらのサムネ分析、VisionAPIでさらに進化して、サムネ画像や広告コピーを分析してLLMで人気動画やCVRの高い広告バナーなどからコピーの特徴を分析できるように進化しております！ ユーザーに役立つプロダクトにどんどん成長させるために、多くの方に使っていただきながら改良するぞ〜😊

Google Cloud VisionAPIの使用料の１円の請求書

【Create_xyzコンペに応募します！】 ギリギリ飛び込みセーフ！！？ @jun_ymmd @create_xyz を使って、財務諸表分析AIをつくってみた。 作品タイトル：Financial Analyzer コメント：苦手な人も多い、財務諸表分析。決算短信を見るだけで、頭がパンクする人もいるのでは？というPainに従って作成しました。 これは企業の決算短信PDF（URL）を渡すだけで、AIが分析を行います。 特徴として、PDFを読み取っていること。 Yahoo!ファイナンスにある企業情報開示リンクを利用して、URLを貼り付け＆任意のuserID(user_xxx)を入れるだけでAIが勝手に企業分析を始めます。 残念ながらChatGPTのVisionAPIは今の所pngやjpeg画像しか読み取れません。そのため、ここは、Difyの力を借りて解決しました。 なので、CreateのfunctionはDify APIが走っています。 作品URL：financialanalysis.created.ap… #createjapan

Hahahah sana gelen bana gelsin 😅😅bu arada ekibe android ve iOS ci arıyorum 😂 2 iOS 1 android arkadaş alacağız. Özellikle SDK geliştirmiş olursa 1, VisionApi deneyimi 1, Bluetooth 1, OCR 1 yazar

【過去ブログ再掲( 2023年1月16日) 】VisionAPIの一つの怖さ、売り手は言語を介さない探索行動から距離を置かないと改善が回せなくなる roundup-inc.co.jp/post-15658 #web戦略

名刺管理ソフトのトライアルでOCRの精度が悪かったので、某記事を参考にしてGCPのVisionAPIとGeminiで何とかした😅

📢 The Vision API documentation is now online! 📢 Read it here: vision-8.gitbook.io/docs/dif… We're reaching out to bot admins for potential integrations. Interested? Contact us! Stay updated: 🌐 vision-scanner.com💬 t.me/VisionPublic $VSN #VisionAPI #Blockchain #Crypto #DeFi #APIIntegration #DeveloperTools

今日は金曜日だー！仕事終わった ゆっくりするぞヽ(•̀ω•́ )ゝ 今日の振り返り ワークショップは楽しくワイワイできて 楽しかった。そして、調査系タスクのVisionAPIやっぱりめちゃくちゃ面白い 個人開発でいろんなAPI使ってみよ

クレカ明細（紙面）もVisionAPI＋ChatGPT＋GASでいけますね。ChatGPT先生が優秀で。VisionAPIで返ってきたデータを行ごとにまとめて渡してあげれば、95点くらいで返してくれるのほんとすごいです。

VisionAPIが使えるようになると経理系の方はだいぶ楽になります。VisionAPIで認識された文字・単語・文のすべてに位置情報がついています。これをうまく加工したらけっこういろいろできます。