那你咋唱，对口型？

都是开源的东西，为服务器付费还差不多

github 发出来啊

做开发，别做测试，做测试浪费青春

那简单，给你分享一下我们这边测试视频的方案。 我们会播放一个 动态二维码 (用 python 写一个生成二维码的工具，数字不断递增)。然后视频流解析出来之后，用 python 代码去给二维码解码。1.能解码成功说明视频流传输正常 2.解码出来的数字未中断，说明传输流没有中断是连续的。

色彩检测同理，python 随机生成指定颜色的色块传输，然后去接收端 openCV 解析颜色是否符合预期。

用 openCV 啊，写脚本就好了。关键是你怎么去定义是否显示正常。你先把你手工测试的验证通过的标准说出来，才好知道怎么自动化

黑哥杀死了比赛

别不说了，黑哥牛逼

suno 怎么把伴奏导出来？

真心建议就是别做测试哈哈哈

要改 ocr 的参数，改为 ch

对资源要求高的一律没啥好看的，大公司的玩具。什么时候能做到单靠 CPU 就能跑起来的 自然语言测试驱动才有真正具有普适性。

只是训练成本降下来了。。部署的成本可一点不低啊

1.用的 OmniParser 的
2.可以直接调代码

没多的显卡资源可以靠时间怼，最核心的问题还是没有大量人工标记好的数据源。如果能找到开源的标记数据源，训练一个专项模型（例如专门识别图标的）其实没有想象中那么难

如果只是想简单吹牛逼而不考虑后续，建议直接注册个 DeepSeek，然后用 web 自动化开个无头模式挂后台网页跑。直接调 API 都要钱

如果打算本地部署，不要用 deepseek，考虑用微软这个https://github.com/microsoft/OmniParser 加上找一个自然语言开源模型。DeepSeek 的小模型很蠢，大一点的对配置要求非常非常高。

不现实，你可以看我发过的一篇调研。1.在线模型，token 很贵，拿来跑自动化耗不起。2.本地模型，对显卡要求太高，小公司负担不起。

总结，没钱别玩

2/13 更新：已上传服务镜像至 dokcer hub，可直接下载镜像来启动服务

搞技术的，证没啥用。

有的，我文中也有提到。yolo 的目标识别存在两个问题 1.无法完全捕获所有图标（存在遗漏）2.无法准确所有图标类型。我的解决的方案是用 openCV 的轮廓查找，枚举出所有的窗口，然后再结合 yolo 进行查重和筛选，基本能抓取页面上所有可点击的控件了。但类型识别这个，暂时没有好方法。要么调用图像生成描述的 AI（慢），要么就是能找到一个含有大量数据的 icon 库

加了

是的，能做到寓意化是终极目标，但这需要比较优质的训练模型的数据集。有时间会考虑做一个预训练模型开源出来，方便大家用自己产品做训练