Hugging Face AI Sheets 视觉更新
Hugging Face 已发布 AI Sheets 的重要更新，这是一款开源工具，旨在使用开放的 AI 模型在无需编写代码的情况下构建、转换和丰富数据集。主要新增功能是全面的视觉支持，使用户能够在电子表格工作流中直接分析、提取数据并生成视觉内容。
基于视觉的数据提取与分析
AI Sheets 允许用户上传图像或使用基于图像的数据集，通过视觉模型提取并结构化信息。这一能力将非结构化的视觉数据——如收据、产品目录和扫描文档——转化为有序的表格。
关键功能包括：
- 结构化数据提取：用户可以使用自定义提示从收据中提取特定项目、从图表中获取数据，或从扫描文档中提取文本。
- 图像描述与分类：该工具可以为照片生成标题、对文档类型进行分类，或根据内容为图像打标签。
- 元数据生成：模型可以自动为图像标注质量评分、相关属性或自定义注释。
用户可以通过迭代提示、手动编辑结果，并使用“点赞”机制向模型提供少量示例，以提升准确性。
集成图像生成与编辑
除了提取，AI Sheets 还集成了图像到图像和文本到图像模型，以在电子表格中促进内容创作。
- 文本到图像生成：用户可以基于文本列创建社交媒体图形、缩略图或插图（例如，根据食谱标题生成食物照片）。
- 图像转换：可以对已有图像进行风格更改、添加元素或调整构图。
- 图像变体：该工具支持大规模创建视觉的多个版本，以用于测试和品牌推广。
技术实现与模型灵活性
AI Sheets 利用 Hugging Face 推理提供者，向用户提供数千个开源模型的访问权限。这使得用户可以根据任务的具体需求更换模型，在速度和准确性之间取得平衡。
在一个提取手写食谱文本的示例中，工具展示了不同模型层级的差异：
- Qwen/Qwen2.5-VL-7B-Instruct：作为默认模型，兼顾速度和准确性。
- Qwen/Qwen3-VL-235B-A22B-Reasoning：最先进的推理模型，在检测细微细节方面更为准确，例如特定配料（如“菠菜”）和精确烹饪时间（如“50-60 分钟”），而较小的模型则会漏掉这些信息。
工作流与导出选项
AI Sheets 的工作流遵循从数据摄取到最终导出的线性路径：
- 上传：用户上传图像文件夹或连接数据集。
- AI 操作：用户对列应用操作。图像列支持文本提取、目标检测和上色，而文本列支持摘要、翻译和关键词提取。
- 丰富：提取的文本可以进一步处理（例如，将原始转录转换为结构化 HTML）。
- 导出：最终数据集可以以 CSV 或 Parquet 格式导出到 Hugging Face Hub（公开或私有）。
AI Sheets 可作为托管的 Space 直接使用，也可以通过其 GitHub 仓库在本地部署。