#OCR

avatar
这个新的OCR模型 MonkeyOCR-3B 好猛啊，官方评测比 MinerU 分数都高。有大量 文档 OCR 需求的同学可以下载试试了，就3B大小，很容易运行。 地址：
#OCR #MonkeyOCR-3B #MinerU
avatar
Geek
1个月前
Extract2MDPublic PDF 到 Markdown 转换解决方案，结合传统文本提取、OCR 技术和现代 AI 增强功能。项目采用场景化的 API 设计，让开发者可以根据具体需求选择最适合的转换方法。 提供 5 种：快速转换 、高精度、转换 + LLM 增强、高精度 + LLM 增强、综合转换 + LLM（推荐）
#PDF转换 #Markdown #OCR #AI增强 #API设计 #开发者 #文本提取
avatar
AIGCLINK
3个月前
牛，Mistral刚刚发布了号称地表最强OCR，给文档理解设立了新标准！ Mistral OCR具备强大认知能力，能准确理解文档中包括文本、图像、表格、公式等在内的每个元素 特点： 1、原生多语言和多模态，支持数千种文字、字体以及语言 2、能准确理解复杂的文档元素，包括图像、数学公式、表格以及 LaTeX 格式等，尤其擅长处理包含图表、图形、公式和插图的科学论文等富文档 3、在多个文档分析方面的基准测试中优于其他OCR模型，尤其在扫描文档、表格和数学公式识别上表现出色 4、处理速度很快，单节点每分钟可处理2000页 5、支持使用文档作为提示，以结构化格式比如 JSON输出 6、可选择性自托管 #OCR #MistralOCR #Mistral
#Mistral #OCR #科技创新 #文档理解 #多语言支持 #多模态 #科学论文 #地表最强 #文档元素 #复杂文档
avatar
Gorden Sun
3个月前
olmOCR：可能是目前最好的开源OCR模型 基于微调后的7B视觉语言模型，微调数据为260000页PDF页面，完全开源，包括模型权重、数据和训练代码、推理代码，4090可以本地运行。 Github： 模型： 在线使用：
#开源 #OCR #视觉语言模型 #模型权重 #微调 #PDF #GitHub #4090
avatar
GitHubDaily
6个月前
一款开箱即用的翻译和 OCR 工具：STranslate。 - 支持划词、截图、鼠标划词等多种翻译方式 - 支持离线使用 OCR，效果好且响应迅速 - 支持 OpenAI、DeepL、Google 等 10 多家翻译服务 - 支持全局 TTS、写作、自定义 Prompt 等 GitHub： 看起来挺不错的，值得安装试用下。
#STranslate #翻译工具 #OCR #GitHub #无纸化办公