Hugging Face AI Sheets 視覺更新
Hugging Face 已發布 AI Sheets 的重大更新，這是一款開源工具，旨在使用開放式 AI 模型在不需撰寫程式碼的情況下建構、轉換與豐富資料集。主要新增功能是完整的視覺支援，使用者可以在試算表工作流程中直接分析、從影像中提取資料，並產生視覺內容。
基於視覺的資料提取與分析
AI Sheets 允許使用者上傳影像或使用基於影像的資料集，透過視覺模型提取並結構化資訊。此功能可將非結構化的視覺資料（例如收據、商品目錄與掃描文件）轉換為有條理的表格。
主要功能包括：
- 結構化資料提取：使用者可透過自訂提示從收據中抽取特定項目、從圖表中取得資料，或從掃描文件中擷取文字。
- 影像說明與分類：工具能為照片產生說明文字、分類文件類型，或根據內容為影像加上標籤。
- 中繼資料產生：模型可自動為影像標註品質分數、相關屬性或自訂註解。
使用者可以透過反覆調整提示、手動編輯結果，並使用「讚」機制提供 few‑shot 範例給模型，以提升準確度。
整合式影像生成與編輯
除了提取之外，AI Sheets 也整合了 image‑to‑image 與 text‑to‑image 模型，讓使用者能在試算表內直接創作內容。
- 文字轉影像生成：使用者可根據文字欄位產生社群媒體圖形、縮圖或插圖（例如依食譜標題生成食物照片）。
- 影像轉換：可對現有影像進行風格變更、加入元素或調整構圖。
- 影像變體：工具支援大規模產生同一視覺的多個版本，以供測試與品牌使用。
技術實作與模型彈性
AI Sheets 採用 Hugging Face Inference Providers，讓使用者能存取數千個開源模型。使用者可依任務需求切換模型，以在速度與準確度之間取得平衡。
在一個手寫食譜文字提取的示例中，工具展示了不同模型層級的差異：
- Qwen/Qwen2.5-VL-7B-Instruct：作為預設模型，兼顧速度與準確度。
- Qwen/Qwen3-VL-235B-A22B-Reasoning：最先進的推理模型，在偵測細微細節（如特定食材「菠菜」與精確烹飪時間「50‑60 分鐘」）方面更為精確，較小的模型則可能遺漏。
工作流程與匯出選項
AI Sheets 的工作流程從資料匯入到最終匯出呈線性流程：
- 上傳：使用者上傳影像資料夾或連接資料集。
- AI 操作：使用者對欄位套用操作。影像欄位支援文字提取、物件偵測與上色，文字欄位則支援摘要、翻譯與關鍵字抽取。
- 豐富：提取的文字可進一步處理（例如將原始轉錄轉換為結構化 HTML）。
- 匯出：最終資料集可匯出至 Hugging Face Hub（公開或私有），支援 CSV 或 Parquet 格式。
AI Sheets 可作為即時使用的託管 Space，亦可透過其 GitHub 倉庫在本地部署。