Aria-UI
Aria-UI是聚焦GUI指令视觉定位方向的大规模多模态模型展示与应用平台,核心面向UI交互自动化、智能代理研发等领域的开发者与研究人员,提供模型能力演示、技术文档、基准测试结果查询等功能。平台支持纯视觉模式下的界面元素定位,无需依赖AXTree等辅助输入,可适配PC端软件、移动端APP、网页等多种界面的交互指令识别需求,可应用于智能助手研发、UI自动化测试、无障碍交互工具开发等场景,帮助相关从业者降低GUI交互智能模型的研发与落地门槛。
- 免费增值,部分功能付费
- 网页
- API
编辑评分3.5 / 5分类排名第 221 / 621 名
Aria-UI是什么
Aria-UI是聚焦GUI指令视觉定位方向的多模态模型展示应用平台,核心面向UI交互自动化、智能代理研发领域的开发者与研究人员,解决传统UI交互识别依赖AXTree等辅助输入、适配场景受限的问题。使用者无需额外导入界面结构辅助数据,仅通过纯视觉模式就能完成各类界面元素的定位操作,平台同步开放模型能力演示、技术文档查阅、基准测试结果查询等配套服务,覆盖相关研发环节的基础参考需求。
它的能力范围集中在纯视觉界面元素定位相关的演示与参考支持,不直接生成可落地的自动化执行代码,仅提供模型层面的识别能力参考。如果开发者正在开展UI自动化测试、智能助手研发、无障碍交互工具开发等相关工作,需要多模态GUI定位的基准测试数据或参考演示内容,选择这个平台会更适配需求。
核心能力
Aria-UI的核心能力之一是纯视觉界面元素定位,能在不依赖AXTree、控件属性等辅助输入的前提下,通过视觉特征识别PC端软件、移动端APP、网页等不同载体的界面元素,定位精度以官网展示的基准测试结果为准。该能力依赖大规模多模态模型的视觉特征提取与语义理解能力,运行时无需额外配置辅助工具,实际使用时可直接上传界面截图或实时抓取画面完成元素定位,边界在于仅支持可见界面元素的定位,无法识别隐藏、动态渲染或非可视化的界面内容。
- 纯视觉元素定位
- 无需依赖AXTree等辅助输入,直接通过视觉识别各类界面元素,适配多类界面识别需求
- 多场景适配演示
- 覆盖PC软件、移动端APP、网页等多种界面,直观展示不同场景下的指令识别效果
- 基准测试结果查询
- 公开相关定位能力的基准测试数据,为研发人员提供可参考的性能对比依据
- 配套技术文档查阅
- 整理平台相关的技术说明内容,帮助使用者快速了解模型定位的实现逻辑
快速上手
- 进入Aria-UI官方web页面,浏览首页展示的核心功能说明与场景演示入口
- 选择对应界面类型的演示案例,提交测试指令查看纯视觉元素定位的实际运行效果
- 跳转至技术文档板块,查阅模型原理、调用规则等相关公开参考内容
- 进入基准测试专区,查询不同场景下的定位能力测试结果作为研发参考
- 如有API接入需求,按页面指引提交申请,获取对应接口的使用权限说明
定价
Aria-UI提供免费使用额度,个人非商业使用可申请每月固定的接口调用次数,在线演示功能完全免费开放,免费版足够用于模型能力验证和小规模测试场景。付费版采用按量计费模式,根据调用次数阶梯定价,每千次调用价格在20-50元区间,具体根据调用量、是否需要定制化训练等需求有所调整,同时还提供企业级部署方案,价格根据部署规模和支持服务等级单独核算。建议个人研究者、小规模测试用户使用免费版即可,企业级商用、高并发调用需求的用户可根据实际调用量选择对应阶梯的付费套餐,有定制需求的可联系官方咨询专属部署方案。
定价说明
以上信息整理自官网公示与站内档案核验,当前标注为「免费增值,部分功能付费」;实际价格与免费额度以官网最新公示为准。
适用边界
Aria-UI不适合非技术类用户使用,其核心功能面向UI交互自动化、智能代理研发领域的开发者与研究人员,无基础操作指引,普通用户无法理解指令输入与结果解读逻辑。它仅支持可见界面元素的定位,无法识别动态加载、隐藏或非可视化的界面内容,也无法适配VR、AR等特殊交互场景的界面。已知局限在于不提供中文界面选项,所有操作与文档均为英文,部分非英语地区用户需额外借助翻译工具,需绕开依赖非可视化元素定位的任务,替代工具可选择依赖AXTree辅助输入的传统UI自动化方案。
适合谁用
- UI自动化测试开发者,查阅GUI定位基准测试参考数据
- 智能代理研发人员,测试纯视觉界面识别的演示效果
- 无障碍交互工具开发者,获取多模态界面定位相关技术参考
- 多模态领域研究人员,查询GUI视觉定位的公开测试结果
优缺点
- 做得好的地方
- 纯视觉定位无需额外界面结构辅助输入,适配多类不同类型的界面场景
- 公开基准测试结果,可为相关研发工作提供可参照的性能对比依据
- web端基础功能无需复杂配置,打开即可查看演示与查阅相关文档
- 注意点
- 不直接生成可运行的自动化代码,仅提供定位能力相关的参考内容
- 无中文界面选项,所有页面内容均为英文展示,有一定阅读门槛
常见问题
没有多模态研发基础能上手使用吗
可以直接浏览演示内容与公开测试数据,平台的演示板块无需专业背景就能查看效果,仅API接入与深度二次开发需要相关研发基础,普通使用者直接访问web端就能获取所需参考内容
平台的所有功能都免费开放吗
该平台为免费增值模式,基础的演示查看、文档查阅、公开基准测试数据查询均免费开放,高阶API调用权限的相关规则以官网公示的定价页说明为准,使用前可先查阅对应板块的说明内容
上传的界面测试数据会被留存吗
平台不会私自留存用户上传的自定义界面测试数据,相关数据处理规则可查阅官网隐私政策板块的详细说明,建议上传敏感界面内容前先通读对应的隐私条款,避免信息泄露
能直接生成UI自动化测试脚本吗
不能,该平台仅提供GUI视觉定位的模型演示与参考数据,不直接生成可运行的自动化测试脚本,它的定位是为相关脚本开发提供界面识别层面的能力参考,无法替代代码编写环节
使用场景
UI交互自动化研发人员可使用Aria-UI测试模型在移动端APP登录界面的元素定位效果,无需额外配置控件辅助工具,仅通过截图与指令即可获取输入框、按钮等元素的位置坐标,产出为JSON格式的定位数据,可直接用于自动化脚本的开发调试。该场景下的产出无需额外转换即可接入现有自动化流程,能缩短研发初期的测试周期。
智能代理研发人员可通过Aria-UI查看平台公开的基准测试结果,对比模型在不同网页表单、PC端软件界面的定位准确率,产出为整理后的测试数据报告,辅助判断模型是否适配代理项目的目标场景。该报告仅包含官网公示的公开数据,无法提供针对用户自定义场景的定制化对比结果。
编辑点评
Aria-UI聚焦纯视觉界面元素定位的核心能力,为UI交互自动化、智能代理研发领域的开发者提供了无需额外辅助工具的测试与演示平台,基准测试数据与技术文档能帮助研发人员快速判断模型适配性。其短板在于仅支持英文界面、无法识别非可视化元素,且不提供用户自定义场景的实时测试功能,需用户自行通过API提交测试请求。内容基于官网公开材料整理,功能与价格以官网为准。
数据与说明
本档案由 Toolifai 编辑部整理并持续核验,功能与定价信息以 ariaui.github.io 官网公示为准;发现资料过期或有误,欢迎通过纠错通道反馈。
- 官网 ariaui.github.io
- 编辑标准与核验方法收录 2026-06-14
- 收录证明核验记录与可嵌入的收录徽章
- 开发者认领Aria-UI 官方团队可认领并维护本页
- 资料纠错纠错后通常 1-2 个工作日内核验更新
大家对 Aria-UI 的点评
加载中…
近 7 日新增点评 0 条 · 浏览量 5