vlmrun-hub

收录理由

做文档或图像信息抽取的团队，往往要自己手写Pydantic模型，再拿真实数据反复调试，费时费力。VLM Run Hub把这一步省掉了：它内置了一批现成的结构化模型，覆盖发票、收据、驾照、护照、银行对账单、医保卡，甚至体育比赛状态等常见场景。把图片丢给视觉语言模型，拿到的就是经过校验、类型明确的输出，而不是一段自由文本。这些模型与具体厂商无关，同一套定义既能用在OpenAI、Gemini，也能接其他支持结构化输出的服务，或者配合VLM Run SDK、Instructor这类客户端使用。如果你在做文档处理、会计自动化，或者其他视觉ETL流程，这些开箱即用的领域模型是个很实在的起点；而且目录格式清晰，后续需要新增什么类型，也方便自己贡献进去。