LLM-Aided OCR

利用大型语言模型增强扫描PDF的OCR输出。

普通产品生产力ocrLLMs

打开网站

llm_aided_ocr是一个高级系统，旨在显著提高光学字符识别（OCR）输出的质量。通过利用尖端的自然语言处理技术和大型语言模型（LLMs），该项目将原始OCR文本转化为高度准确、格式良好、易读的文档。

目标受众为需要将扫描文档转换为可编辑和准确文本格式的个人或企业，如文档数字化、历史文档恢复、学术研究等。

将历史信件的扫描件转换为可编辑的文本格式。
对学术文章的扫描副本进行OCR处理，并纠正原始输出中的错误。
将公司存档的合同文档数字化，以便于搜索和引用。

1. 将PDF文件放置在项目目录中。
2. 更新main()函数中的input_pdf_file_path变量为您的PDF文件名。
3. 运行脚本：python llm_aided_ocr.py。
4. 脚本将生成多个输出文件，包括最终处理后的文本。
5. 检查生成的{base_name}__raw_ocr_output.txt文件，这是Tesseract的原始OCR输出。

打开网站

LLM-Aided OCR 最新流量情况

月总访问量

515580771

跳出率

37.20%

平均页面访问数

5.8

平均访问时长

00:06:42

LLM-Aided OCR 访问量趋势

LLM-Aided OCR 访问地理位置分布

LLM-Aided OCR 流量来源

LLM-Aided OCR 替代品

Best AI Websites & Tools

LLM-Aided OCR

LLM-Aided OCR 最新流量情况

LLM-Aided OCR 访问量趋势

LLM-Aided OCR 访问地理位置分布

LLM-Aided OCR 流量来源

LLM-Aided OCR 替代品

Koncile — 新一代可靠且可定制的OCR解决方案

Archgw — 开源的GenAI应用网关，快速构建个性化的AI应用

llama-ocr — 免费 npm 库，用 Llama 3.2 Vision 进行 OCR，输出 markdown 文本

Kiroku — 多代理系统，帮助组织和撰写文档。

pdf-extract-api — 高精度将图片或PDF转换为Markdown文本或JSON结构化文档的API

Electronic-Component-Sorter — AI驱动的电子元件分类器，智能组件管理的终极解决方案。

Excerptor — 从实体书籍中提取划线或手写标记的文本

Easydict — macOS平台上的简洁易用翻译词典应用

Parseflow — 智能文档处理解决方案

eSearch — 一款多功能的屏幕搜索和截屏软件。

Chunkr — 开源数据摄取API服务

小虫快读 — 高效OCR阅读工具，快速获取书籍精华。

VARAG — 视觉增强的检索与生成系统

DTLR — 手写文本识别和字符检测模型

LedgerBox — AI技术实现财务文件自动化处理

curiosity — 探索ReAct聊天机器人的实验性项目

swift-ocr-llm-powered-pdf-to-markdown — 利用OpenAI的GPT-4 Turbo模型进行高效OCR处理

GOT-OCR2.0 — 通过统一的端到端模型实现OCR-2.0

Datalab.to — 先进的文档智能AI模型，开源易用。

MixTeX-Latex-OCR — 高效CPU本地离线LaTeX识别工具

Data-Juicer — 一站式数据处理系统，为大型语言模型提供高质量数据。

MiniCPM-V 2.6 — 高性能多模态语言模型，适用于图像和视频理解。

Mastering LLMs — 由实践者主导的LLMs公开课

Zerox OCR — 一种简单直观的PDF OCR工具，使用gpt-4o-mini进行文档转换。

ScanIt — 轻量级、快速、无广告的文档扫描应用

RapidOCR — 快速、多语言支持的OCR工具包

DocuTranslate — 快速转换和翻译扫描文档

OnnxOCR — 轻量级OCR模型，推理速度快

PDF-Extract-Kit — 高质量PDF内容提取的综合工具包