evan2020

前言 本期依旧是把fastapi的界面改为gradio界面 原来的fastapi适合api调用，现在的gradio适合界面交互操作 本期的更新为 只保留PDF转MD和图片转MD的功能，其他如json，

前言 上一期内容记录了paddleocr PP-StructureV3 pdf转md 懒人整合包 cpu可用 本文主要是记录把paddleocr PP-StructureV3 pdf转md 懒人包改为

前言 本文依旧是懒人包的优化更新 之前最大的问题就是使用fastapi这种偏向编程交互的操作方式 适合api调用，不太适合gui界面可视化操作，现在统一把fastapi改为gradio可视化交互 关于

前言 这个Rembg去除背景懒人包是我自己制作的第一个懒人包 当时为了制作youtube带有真人头像的封面，需要保留人像，去除背景，然后搜索到这个好用的ai开源项目 也是为数不多的可以使用cpu也能流

FireRed-Image-Edit github地址：https://github.com/FireRedTeam/FireRed-Image-Edit FireRed-Image-Edit 项目概

rembg github地址：https://github.com/danielgatis/rembg 截至到目前，22.1k star 它是一款用于去除图片背景的工具，比如保留人像，去除背景，也就是

SoulX-FlashHead github地址：https://github.com/Soul-AILab/SoulX-FlashHead 这是一个有soul推出的开源的图片数字人AI，可以实时图片

Qwen3-TTS github地址：https://github.com/QwenLM/Qwen3-TTS Qwen3-TTS是通义千问团队开发的开源语音合成模型系列，支持多音色、多语种与多方言的语

LatentSync github地址：https://github.com/bytedance/LatentSync LatentSync‌ 是开源唇形同步（Lip Sync）框架，基于 ‌**St