[功能]: 指定视觉模型为文本模型提供OCR能力

[mkraku]

您的功能建议是否与某个问题相关?

否

请描述您希望实现的解决方案

参考deepseek官网，他们应该是有一个专门的OCR模型，可以提取图片和扫描版的文档的文字作为上下文发起提问
想要在默认模型中增加一个“视觉模型”，为无视觉能力的AI提供图片和文档对话的可能。
硅基流动有便宜的视觉模型，智谱也有免费的视觉模型，用来做ocr足够了。

请描述您考虑过的其他方案

No response

其他补充信息

No response

[TaoCaptain]

很想试试做这个功能，不知道难度如何

[ChenYangBin666]

非常支持，用了半年cherry studio觉得最麻烦的就是这个了，得手动丢给OCR识别，有时候嫌麻烦甚至单独打开deepseek网页版用

[mamaruo]

• feat: System (MacOS & Windows) OCR #9572
• feat: extra image understanding capability for non-vision model #9583

现在有系统OCR支持。但是我没找到怎么用到非视觉模型的输入当中。

[Here-Tim2354]

我也非常需要这个，以支持许多国产的非多模态模型

[ChenYangBin666]

目前用cherry感到最不方便的就是这个了，别的都非常好