在如今信息爆炸的時代，如何高效處理大量掃描文檔成了每個大家日常生活工作中必備技能。

今天，給大家推薦的一款基于 LLM 的 OCR 掃描 PDF 開源工具 LLM-Aided OCR。

結合了多模態(tài)大語言模型（LLM）和 OCR 技術，能夠幫助你輕松將掃描 PDF 轉換為高精度的 Markdown 文檔，提升工作效率不止一點點。

GitHub：https://github.com/Dicklesworthstone/llm_aided_ocr

工具特點

• PDF 轉圖像：使用 pdf2image 將 PDF 轉換為圖像，支持處理特定頁面范圍；

• OCR 處理：使用 Tesseract 進行 OCR 處理，從圖像中提取文本；

• 高效錯誤糾正：通過 LLM 進行 OCR 錯誤修正，可以使用本地 LLM，也可以使用 API（如 OpenAI、Anthropic）；

• 智能文本分塊：將全文分割成更易于處理的 chunks，保留自然句子邊界；

• Markdown 格式化：將文本轉換為標準的 Markdown 格式；

• 質(zhì)量評估：使用 LLM 比較原始 OCR 文本和處理后的輸出，提供質(zhì)量評分和解釋。

簡單來說

1. 首先將 PDF 文件轉為圖像；

2. 然后進行 OCR 掃描處理，從圖像中提取文本；

3. 再結合本地 LLM 或 API 服務（如 OpenAI、Anthropic）糾正 OCR 掃描提取到的錯誤；

4. 最后將掃描后的 PDF 文件轉換成高準確度、高質(zhì)量的 Markdown 文本；

5. 同時還與原始 OCR 文本和處理后的輸出進行對比。

最后

以上，就是 LLM-Aided OCR 工具的介紹。

有了該工具，那些掃描后的文檔可一鍵轉換為高質(zhì)量、高準確度的文本，更易于閱讀。

文中所提到的所有開源項目與工具，已收錄至 GitHubDaily 的開源項目列表中。

該列表包含了 GitHub 上諸多高質(zhì)量、有趣實用的開源技術教程、開發(fā)者工具、編程網(wǎng)站等內(nèi)容。

從 2015 年至今，累計分享 3500 個開源項目，Star 增長 24000 ，有需要的，可訪問下方 GitHub 地址自取：

GitHub：https://github.com/GitHubDaily/GitHubDaily

好了，今天的分享到此結束，感謝大家抽空閱讀，我們下期再見，Respect！