LLM-gestütztes OCR

Verbessert die OCR-Ausgabe von gescannten PDFs mithilfe großer Sprachmodelle.

Normales ProduktProduktivitätocrLLMs

llm_aided_ocr ist ein fortschrittliches System, das die Qualität der Ausgabe der optischen Zeichenerkennung (OCR) deutlich verbessern soll. Durch den Einsatz modernster Technologien der Verarbeitung natürlicher Sprache und großer Sprachmodelle (LLMs) wandelt dieses Projekt den ursprünglichen OCR-Text in ein hochgenaues, gut formatiertes und lesefreundliches Dokument um.

PDF-zu-Bild-Konvertierung
OCR mit Tesseract
Hochwertige Fehlerkorrektur mit LLMs (lokal oder API-basiert)
Intelligente Textsegmentierung für effiziente Verarbeitung
Markdown-Formatierungsoption
Optionale Unterdrückung von Kopf- und Fußzeilen
Qualitätsbewertung der Endergebnisse
Unterstützung lokaler LLMs und Cloud-basierter API-Anbieter (OpenAI
Anthropic)
Asynchrone Verarbeitung für höhere Leistung

Die Zielgruppe sind Einzelpersonen oder Unternehmen
die gescannte Dokumente in ein editierbares und genaues Textformat umwandeln müssen
z. B. für die Dokumentdigitalisierung
die Restaurierung historischer Dokumente oder die wissenschaftliche Forschung.

Umwandlung von Scans historischer Briefe in editierbares Textformat.
OCR-Verarbeitung von Scans wissenschaftlicher Artikel und Korrektur von Fehlern in der ursprünglichen Ausgabe.
Digitalisierung von Vertragsdokumenten aus dem Unternehmensarchiv zur vereinfachten Suche und Referenzierung.

1. Legen Sie die PDF-Datei im Projektverzeichnis ab.
2. Aktualisieren Sie die Variable input_pdf_file_path in der main()-Funktion auf Ihren PDF-Dateinamen.
3. Führen Sie das Skript aus: python llm_aided_ocr.py
4. Das Skript generiert mehrere Ausgabedateien
darunter den endgültig verarbeiteten Text.

Website öffnen

LLM-gestütztes OCR Neueste Verkehrssituation

Monatliche Gesamtbesuche

474564576

Absprungrate

36.20%

Durchschnittliche Seiten pro Besuch

6.1

Durchschnittliche Besuchsdauer

00:06:34

LLM-gestütztes OCR Besuchstrend

LLM-gestütztes OCR Geografische Verteilung der Besuche

Best AI Websites & Tools

LLM-gestütztes OCR

LLM-gestütztes OCR Neueste Verkehrssituation

LLM-gestütztes OCR Besuchstrend

LLM-gestütztes OCR Geografische Verteilung der Besuche

LLM-gestütztes OCR Traffic-Quellen

LLM-gestütztes OCR Alternativen

LLM-gestütztes OCR — Verbessert die OCR-Ausgabe von gescannten PDFs mithilfe großer Sprachmodelle.

Aya Vision 32B — Aya Vision 32B ist ein mehrsprachiges visuell-sprachliches Modell, das für OCR, Bildbeschreibung, visuelles Schließen und andere Zwecke geeignet ist.

Aya Vision 8B — Modèle de langage visuel multilingue à 800 millions de paramètres, prenant en charge l'OCR, la description d'images et le raisonnement visuel.

FreeParser — FreeParser ist ein KI-gestütztes, kostenloses Werkzeug zur Dokumentenanalyse, das verschiedene Dateiformate unterstützt.

Kreuzberg — Eine Python-Bibliothek zur Textextraktion aus verschiedenen Formaten wie PDF, Bildern und Office-Dokumenten.

Ollama OCR für Web — Ein leistungsstarkes OCR-Paket, das mithilfe modernster visueller Sprachmodelle Text aus Bildern extrahiert.

ExtractThinker — Intelligentes Dokumentenverarbeitungsframework, speziell für LLMs entwickelt

STranslate — Unmittelbar einsatzbereites Übersetzungs- und OCR-Tool

EdgeOne Pages Functions KI-OCR — KI-basierte optische Zeichenerkennung (OCR)-Dienst

Ollama-OCR — Ein leistungsstarkes OCR-Tool (Optical Character Recognition)

InternViT-6B-448px-V2_5 — Verbessertes visuelles Modell basierend auf InternViT-6B-448px-V1-5

GraphRAG Visualisierer — Ein webbasiertes Tool zur Visualisierung und Erkundung des Microsoft GraphRAG-Tools.

MegaParse — Dateiparser, speziell für LLMs zur Analyse von PDF-, Docx- und PPTx-Dokumenten.

ViTLP — Visuell geführtes, vortrainiertes Modell zur Textlayoutgenerierung für die Dokumentenintelligenz

LlamaOCR — Wandelt Bilder in strukturierte Markdown-Dokumente um

Extractous — Schnelles und effizientes Tool zur Extraktion unstrukturierter Daten

TurboLens — OCR-All-in-One-Lösung zur schnellen Generierung von Erkenntnissen aus Bildern.

MinerU — Ein umfassendes, quelloffenes Werkzeug zur qualitativ hochwertigen Datenextraktion aus PDF-Dateien in Markdown- und JSON-Formate.

Koncile — Eine neue Generation zuverlässiger und anpassbarer OCR-Lösungen

Archgw — Open-Source GenAI-Anwendungs-Gateway zum schnellen Erstellen personalisierter KI-Anwendungen

llama-ocr — Kostenlose npm-Bibliothek zur OCR-Texterkennung mit Llama 3.2 Vision, Ausgabe als Markdown-Text.

Kiroku — Mehr-Agenten-System zur Unterstützung bei der Organisation und Erstellung von Dokumenten.

pdf-extract-api — Hochpräzise API zur Konvertierung von Bildern oder PDFs in Markdown-Text oder strukturierte JSON-Dokumente.

Elektronik-Bauteile-Sorter — AI-gestützter Klassifizierer für elektronische Bauteile – die ultimative Lösung für intelligentes Komponentenmanagement.

Excerptor — Extrahiert unterstrichene oder handgeschriebene Markierungen aus physischen Büchern.

Easydict — Eine benutzerfreundliche und schlanke Wörterbuch-App für macOS.

Parseflow — Intelligente Dokumentenverarbeitungslösung

eSearch — Eine multifunktionale Software zum Suchen und Aufnehmen von Screenshots.

Chunkr — Open-Source-Datenaufnahme-API-Dienst

Kleine Käfer Schnelllese — Effizientes OCR-Lesetool zum schnellen Extrahieren der Essenz von Büchern.