MiniCPM OCR 在线工具上线:图片和 PDF 转可编辑文字、表格与公式
【这是什么】一款基于 OpenBMB MiniCPM-OCR-1.0 的文档识别网站,把扫描版 PDF、论文截图或图片转成可编辑内容。【商业/痛点逻辑】解决手动抄写和重新排版的痛点,支持中英文识别、表格结构提取、公式转 LaTeX,导出 Word、Markdown 或带区域坐标的 JSON。
推荐理由:作者基于开源模型做了文档识别在线服务,原文如实说明能力边界和非官方身份,可参考小工具的功能取舍思路。
【这是什么】一款基于 OpenBMB MiniCPM-OCR-1.0 的文档识别网站,把扫描版 PDF、论文截图或图片转成可编辑内容。【商业/痛点逻辑】解决手动抄写和重新排版的痛点,支持中英文识别、表格结构提取、公式转 LaTeX,导出 Word、Markdown 或带区域坐标的 JSON。
推荐理由:作者基于开源模型做了文档识别在线服务,原文如实说明能力边界和非官方身份,可参考小工具的功能取舍思路。
【这是什么】rap-video.ai 是一个把照片变成说唱短视频的网站,上传照片、选风格即可生成人物或宠物说唱 MV,提供 Rap Battle、UK Drill、宠物说唱等多种风格。
一位后端开发者全程用 AI 制作了 Chrome 扩展 JSL UI Plugin,为集思录重做现代化界面,支持深浅双主题、卡片化排版和全站统一页头页脚,已上架 Chrome 商店并开源在 GitHub。开发主要使用 ZCode 搭配 GLM-5.3-Flash 和 DeepSeek-V4.1-Flash-1017,作者称赞后者又快又便宜,并表示 CSS 调样式已无太高的门槛。
【这是什么】豆册(doucebeads.com)是一个把照片转成拼豆图纸的网页工具,输出带色号、用量与坐标的图纸。【商业逻辑】作者针对照片缩像素画后颜色太碎难分拣、五官少几格易失真的问题,优化可拼性而非仅追求相似;本地转换免费无需注册,人物和宠物的转 Q 版流程为付费,需卡密与云端处理。
推荐理由:原文讲清了拼豆图纸工具在颜色数量与可拼性之间的取舍,对做细分手工工具的开发者有痛点切入参考。
【这是什么】油小猴是一款浏览器扩展,把 AI 放进侧边栏,让它读取当前页面并可直接代操作网页。【商业逻辑】解决 AI 不在现场、复制粘贴来回切换的痛点;收费采用积分制,不订阅、不自动续费,失败不计费,积分永久有效。
推荐理由:作者复盘了把自己当第一用户再做成产品的过程,其积分制不自动续费的收费设计和安全边界划分可供独立开发者参考。
【这是什么】一款跨平台截图工具,支持 macOS / Windows / Linux,菜单栏常驻、快捷键秒开,具备框选、窗口、滚动长截图和贴图置顶。
推荐理由:开发者分享自研跨平台截图工具,用 Tauri + Rust 实现轻量桌面端并接入任意 OpenAI 兼容接口,工程选型可作借鉴。
一位失业在家的开发者自学 React,做了一个纯匿名树洞网站,只能看到自己发的帖子,内容最多保留 30 天后自动消失。项目接入 Turnstile 人机验证以防机器人发帖,身份系统采用助记词和公私钥,目前数据库内容为明文存储,作者计划之后加入非对称加密。
【这是什么】一款 macOS App,定时监控出口 IP,一旦变化立即通知,并提供网络体检评分和 AI 服务连通性检测。【商业逻辑】作者因用 Claude Code 时出口 IP 悄悄跳到其他地区被封号而做,解决网页查 IP 只能看到「此刻」的痛点。
推荐理由:开发者从自己被封号的真实痛点切入做 Mac 工具,展示了把个人遇到的问题产品化的完整思路。
【这是什么】Shepi for Herdr 是 Herdr 的原生 macOS 客户端,把本机和 SSH 服务器上所有终端里的 agent(Claude Code、Codex、OpenCode、Gemini CLI 等)收进同一个窗口。
一位开发者在 V2EX 分享自己制作的小游戏,部分玩法参考多年前玩过的《猫国建设者》,并在美术和 UI 界面体验上有所提升。
【这是什么】作者用 Claude Code 开发的类吸血鬼幸存者割草小游戏,微信搜「奶蛙割草」可玩。【商业与痛点逻辑】国庆当晚用 Claude Code loop 一晚生成完整游戏,连推广文案、截图、视频都一并产出,展示了 AI 辅助开发小游戏的效率。
【这是什么】一个在线 CPU 主频测试并排名的工具,用户在浏览器里实测主频并与他人比较。【商业逻辑】通过服务端下发题目、前端 Wasm 在固定周期内求解并验证答案,统计从下发到回收的时间差,把网络延迟计入以防止刷榜作弊。
【这是什么】一个纯前端在线图片工具箱 TuBox,集成压缩、格式转换、AI 抠图、AI 放大、证件照、拼图等 13 个工具,图片不上传、免注册。【商业逻辑】瞄准“处理方便”与“隐私放心”的冲突,无上传接口、本地解码,以隐私作为差异化卖点。
推荐理由:原文展示了纯前端图片工具箱的完整技术取舍,WebGPU 推理与不上传隐私卖点可作为同类工具的工程参考。
【这是什么】开发者自制的 AI 跑步应用 AARC(Alcoholics Anonymous Run Club),提供教练式语音反馈,作者用它跑完天津马拉松。【商业逻辑】针对 Nike Run Club 教练和语音反馈只播录音、多年不更新的痛点,并可通过 nike.com 仍暴露的接口导入 NRC 历史数据,批量分析跑者画像后做更有针对性的实时反馈。
【这是什么】一款围绕办公室小型演出场景的生成式视频编辑工具,用户选一段参考视频并上传照片,即可替换舞台上的指定角色,支持单人、双人和乐队形式。【商业逻辑】把角色与素材对应关系写入提示词,让模型在替换面部的同时保留原片的动作、镜头和演出氛围,省去用户反复写提示词。
开发者基于 dsv4.1f 编写了一款 LG webOS 投屏工具并在 V2EX 创造节点分享,欢迎大家试用并反馈意见,以持续更新迭代。
一位开发者在 V2EX 发布了自己制作的全年工资计算器,用户可输入工资信息,计算社保实缴后自己的收入变化。工具面向想了解社保按实际工资缴纳后到手收入差异的人群,帖子发布在 V2EX 创造节点,欢迎大家一起试算。
开发者 ninvfeng 在 V2EX 分享了自制的 LLM 塔防小游戏,玩家扮演值班工程师,招募 Claude、GPT、DeepSeek、Qwen 等模型作炮塔,通过合成升星和组合技守住 99.999% 的可用性。游戏无付费无广告,需下载游玩,并附有作者用 opus 制作的宣传片。
一款名为 AI Rap Video 的网页项目目前处于公开预览阶段,生成和购买尚未开放,用户可体验选人数、选场景、填主题和调整设置的流程。该工具计划用一张或两张人物照片生成录音棚、街头 freestyle 或派对场景的说唱短片,技术上采用 React 和 TanStack Start 并部署在 Cloudflare。
ToolSide 是一款浏览器侧边栏工具箱插件,内置 35 个小工具,涵盖收藏夹同步、剪贴板、截图录屏、OCR、图片压缩、PDF 处理等,无需新标签页即可使用。目前 Chrome 有 395 个用户,Edge 有 538 个用户。
开发者在 V2EX 发布浏览器内角色试演工具 Live Face Swap:先免费本地摄像头预览构图与光线,登录后按积分费率开启实时 AI 生成,支持录制回放并保存片段。界面支持中英文,采用 Freemium 模式,付费方案从 9.90 美元/月起;本地预览留在设备上,实时生成时画面帧发送至 Xmax 处理,本站不保存摄像头录像。
一位开发者上线了一个把照片生成 Angry Dance 视频的小网站:上传正面清晰照片并填写邮箱,即可生成约 14 秒的固定场景视频,人物脸、发型和衣服参考照片。无需提示词或注册,单条收费 9.99 美元,无订阅,输出为竖屏 720p MP4,首页示例可免费观看。
开发者正在制作一个名为 Outstanding Tiny Desk AI 的网站,用户上传一张照片,就能把照片中的人变成一段 Tiny Desk 风格的 AI 演出视频主角。作者最关注的是人物与照片的相似度、表情和动作的自然程度,以及整个流程是否简单易用。目前工具仍在早期阶段,作者希望收集用户的想法和坦诚批评。
【这是什么】一个专门生成 Outstanding Tiny Desk AI 二创短片的网站,上传一张清晰正面照即可生成约 15 秒竖屏视频,包含乐队合照、主唱特写、大笑和萨克斯独奏等镜头。
开发者把「蚂蚁搬画」做成微信小游戏发布,邀请大家试玩体验。
【这是什么】一款 Android 应用 Hidden Letter(秘密信),把文字、图片、音频、视频和文件藏进一张图片,并设置解锁条件,目前支持密码、时间和地点三种方式。
开发者发布了 AI 视频工具 AI Tiny Desk,提供两种玩法:一是 Tiny Desk 乐队换人,上传照片即可给主唱、键盘手、和声、萨克斯手分配角色,最多可替换全部五个位置;二是以任意 TikTok 视频为参考进行复刻,把视频主角换成想要的人物。项目仍在持续打磨,开发者征集试用反馈和最想复刻的视频类型。
【这是什么】一个把全球 AI 公司招聘岗位可视化为星图的看板,一个点就是一个岗位,按研究、AI 工程、基础设施、硬件等职能分旋臂展示。【商业逻辑】帮求职者更快看到领英和 X 上 hiring manager 亲自发的岗位,先人一步联系投递,同时展示招聘大盘;作者还在做大模型课程,看板也是对学员的学习方向回答。
推荐理由:作者分享岗位星图的产品构建思路,数据源筛选与爬取合规取舍对做数据聚合类产品的开发者有工程借鉴。
开发者做了一个 AI 炒股竞技网站,让 8 个大模型同场比拼炒股表现。项目在 V2EX 创造节点发布,正文未披露具体模型名单与收益数据。
【这是什么】一款内容营销工具,填入产品链接和邮箱后,每天早上 9 点收到由 Opus 5.5 生成的 2 篇小红书图文、1 条抖音视频脚本和 3 个推广建议,照着同类产品高流量帖子写,复制即可发布。
【这是什么】一个设定在公元 3026 年的虚拟考古展网站,用一本正经的展签误读 2020 年代日常用品,如外卖盒被鉴定为「封印供奉盒」。【商业/痛点逻辑】创意向微型产品,靠幽默设定吸引访问,并开放「我要送展」征集用户投稿生成内容。
【这是什么】Bubboo 是一款 macOS 划词增强工具,定位为 PopClip 的美化版平替,可导入 .popclipext 和 .popclipextz 扩展,扩展可从 PopClip 官方目录下载后导入。
开发者在 V2EX 自荐浏览器端 AI 音乐创作工具 SongGen,可输入音乐风格、使用场景或歌词,生成歌曲或纯音乐。站点还提供免注册的免费音频工具,包括裁剪、变速、音量调整和慢速混响。作者准备了 10 个 300 积分兑换码,每码限用一次,有效期至 2026 年 12 月 27 日 13:18(UTC+8),兑换积分不过期。
首批适配苹果折叠屏手机 iPhone Duo 的创意应用已上线,WIRED 和 TechCrunch 分别整理了这批作品。
开发者上线了 Rap 创作小站 AI RAP VIDEO,上传两张照片即可用 Hotel Lobby 模板生成双人说唱视频。站点还提供歌词编辑、Rap 艺名生成、Freestyle 练习和 bar、flow 等入门内容;歌曲、伴奏和人声生成表单已做好,目前仍是预览状态,模型能力会继续接入。
独立开发者在 V2EX 发布自媒体工作台「发发蜂」,提供 Mac 和 Windows 版本,支持 40+ 主流平台,可一键分发视频、图文、文章,并支持 AI 创作、洗稿和团队创作。软件提供免费试用版(相比收费版有限制),现在送出 30 份 7 天免费兑换码,回帖留邮箱即可领取。
独立开发者上线了 AI Rap Video Generator(RapVideoVibe),一个专注生成趣味说唱视频的轻量工具。用户无需写 Prompt,上传一张照片即可生成 15 秒有节奏感的说唱短视频,验证了多模态 AI 在换脸、动作驱动和音频同步场景的落地可行性。工具已在线上稳定运行,适合社交媒体整活或独立项目趣味宣发。
【这是什么】Mac 原生文件夹合并工具 DirMerge,用 Swift 6 + SwiftUI 打造,定位为 Finder 与 Beyond Compare 之外的轻量替代。
推荐理由:开发者分享用 APFS 零空间克隆解决 Finder 合并风险的产品思路,工程细节可借鉴。
【这是什么】一款面向 Navidrome / NAS 音乐玩家的安卓播放器,1.7.0 正式版上线车机播放、电台和歌曲统计等新功能。【商业逻辑】通过支持手机车机模式、横屏和 Android Auto,切入自建曲库用户车载听歌的痛点,并以 Pro 激活码和优惠券方式变现。
独立开发者发布剪贴板同步工具 Zipover 1.0.0,Mac、Windows、Linux 设备在同一局域网配对后可互传文字、图片、文件和文件夹,传输加密且不经过云端,支持 30 天免费试用、无需账号。作者送出 30 份 1.x 许可证,每份最多用于 5 台电脑,含永久使用权和更新,联网激活后可长期离线使用,回帖留邮箱即可领取。