如果你正在寻找一款高精度、本地运行、支持复杂布局 的 OCR 工具,那么 Zerox OCR
无疑是一个极佳的选择。
Zerox OCR 会先将 PDF 文件转换成图像,再由 GPT-4o-mini
模型识别并输出 Markdown,最后将所有页面对应的 Markdown 结果,汇总在一起形成完整的 Markdown 文档。
它不仅支持零样本 OCR,还可以轻松处理表格、图表等复杂布局,最将 OCR 结果以 Markdown 格式输出,优化了信息提取的便捷性。
核心优势
1、零样本 OCR
使用 GPT-4o-mini
模型进行文本识别,能够处理完全陌生的 PDF、图片等文档类型,不需要事先训练数据,即可提供高精度的 OCR 结果。
2、Markdown 输出格式
在 OCR 转换过程中,Zerox 将每个识别的页面转化为简洁的 Markdown
格式,方便对文本进行后期处理和整理。
对于开发者或文档处理人员来说,这种格式极具实用性,易于导入到其他系统中。
3、支持复杂文档
不仅仅是简单的文本,Zerox 还可以处理包含表格、图表等复杂布局的文件。无论是扫描版 PDF 还是其他格式,Zerox 都可以对它们进行 OCR 识别,生成准确的文本内容。
4、本地运行与 API 支持
支持本地运行,无需担心隐私泄露问题。此外,它还提供了 API 接口,方便集成到你的应用中,提升业务流程的自动化和效率。
技术栈
-
Python
-
JavaScript
-
TypeScipt
工作流程
-
提交文件:支持的文件格式包括 PDF、DOCX、图片等,你可以轻松提交多种格式的文件进行 OCR 处理。
-
文件转图像:首先会将文档转换为图像,以便后续进行图像识别。
-
GPT-4o-mini 转换:每个生成的图像将被发送至 GPT-4o-mini 模型进行文本识别。
-
汇总 Markdown:所有页面的 Markdown 结果被汇总成一个完整的 Markdown 文档,便于进一步处理和分析。
如何安装使用 Zerox?
Zerox OCR 除了提供有在线Demo可以使用,还提供有Node和Python的API包进行调用。
无需下载,即可在线体验 Zerox 的强大 OCR 能力
下面是以Python包安装方法及使用示例
bash
pip install py-zerox
用法(必须先配置好GPT API 等必要参数):
python
from pyzerox import zerox
import os
import json
import asyncio
async def main():
file_path = "https://omni-demo-data.s3.amazonaws.com/test/cs101.pdf" ## local filepath and file URL supported
## process only some pages or all
select_pages = None ## None for all, but could be int or list(int) page numbers (1 indexed)
output_dir = "./output_test" ## directory to save the consolidated markdown file
result = await zerox(file_path=file_path, model=model, output_dir=output_dir,
custom_system_prompt=custom_system_prompt,select_pages=select_pages, **kwargs)
return result
# run the main function:
result = asyncio.run(main())
# print markdown result
print(result)
结果:
结语
Zerox OCR
是一款功能强大的本地开源工具,基于 GPT-4o-mini,能够高效处理复杂文档,并以 Markdown 格式输出,适合需要精确 OCR 处理的用户。无论你是开发者,还是需要处理大量文档的专业人士,Zerox OCR 都是一个值得一试的解决方案。
赶快下载试用,或体验在线版本,解锁文档处理的更多可能吧!