OCR小白也能上手！Llama

江海博覽 2025-01-11 發(fā)布于浙江

展開全文

最簡單且高質(zhì)量的OCR工具，它來了！

一款基于 Llama 模型實現(xiàn)的開源OCR：Llama-OCR。

對于經(jīng)常需要將圖片、收據(jù)或包含表格的 PDF 文檔轉(zhuǎn)換為可編輯的文本時候，這款工具就顯得尤為重要。

它不僅可以識別文檔中的文字，還能將其轉(zhuǎn)換為 Markdown 格式，特別適合處理復雜收據(jù)和包含表格、圖表的文檔。

OCR小白也能上手！Llama-OCR只需5行代碼，輕松實現(xiàn)高質(zhì)量識別！

項目介紹

Llama-OCR 是一款強大的開源 OCR 工具，尤其適合用于處理復雜的收據(jù)、表格和圖表等圖文混排的內(nèi)容。

它支持將圖像或 PDF 文檔直接轉(zhuǎn)換為 Markdown 格式，大大簡化了文字提取和格式化的過程。

由 Together AI 的 Llama 3.2 Vision 模型驅(qū)動，這款工具能夠精準識別多種文檔內(nèi)容，更是上線了 npm 平臺，輕松5行代碼即可實現(xiàn)高質(zhì)量 OCR 轉(zhuǎn)換！

主要功能

· 智能 Markdown 轉(zhuǎn)換：Llama-OCR 能夠?qū)⑻崛〉奈淖种苯愚D(zhuǎn)換為 Markdown 格式，特別適用于表格和圖表豐富的文檔，方便后續(xù)編輯與處理。
· 高識別精度：得益于 Together AI 的 Llama 3.2 Vision 模型，該工具在識別復雜文檔上的表現(xiàn)尤為出色，實現(xiàn)高質(zhì)量的 OCR 輸出。
· 易用性：用戶可以通過 npm 包直接下載并集成 Llama-OCR，只需 5 行代碼便可實現(xiàn)強大的 OCR 處理，適合開發(fā)者快速上手。

快速開始

在線Demo 直接使用

提供有網(wǎng)頁版Llama-OCR工具，可直接上傳PDF文檔或圖片等格式，輸出解析內(nèi)容。

集成到開發(fā)項目中（適用于開發(fā)者）

在項目中使用 Llama-OCR 只需幾行代碼：

① 安裝 npm 包：

npm install llama-ocr

② 簡單調(diào)用即可實現(xiàn) OCR 文字識別：

import { ocr } from 'llama-ocr';

const markdown = await ocr({
  filePath: './trader-joes-receipt.jpg', // path to your image (soon PDF!)
  apiKey: process.env.TOGETHER_API_KEY, // Together AI API key
});

③ 支持自定義設(shè)置，輕松調(diào)整識別和輸出格式，滿足多樣化需求。