分享一个基于大模型的OCR方法

Doiiars

一个用于训练语言模型以处理野生环境中的 PDF 文档的工具包。
尝试在线演示: https://olmocr.allenai.org/
包含的内容：
使用 ChatGPT 4o 的一种提示策略以获得真正自然的文本解析 - buildsilver.py
并排评估工具包，用于比较不同管道版本 - runeval.py
基本语言过滤和 SEO 垃圾信息去除 - filter.py
Fine-tuning code for Qwen2-VL and Molmo-O - train.py
处理大量 PDF 文件通过微调模型使用 Sglang - pipeline.py
查看从 PDF 创建的 Dolma 文档 - dolmaviewer.py


https://github.com/allenai/olmocr

西屋主人

给个百度云盘就好了，打不开GIT

Doiiars

西屋主人 发表于 2025-3-3 10:04
给个百度云盘就好了，打不开GIT

需要部署的。本身门槛就高，没法开箱即用。

触碰china

感谢分享，晚点试试

蓝领笑笑生

没编译好的自己操作不了

西屋主人

Doiiars 发表于 2025-3-3 10:17
需要部署的。本身门槛就高，没法开箱即用。

确实有门槛了，刚下载看。

ananxiao

估计电脑不行 用不上了

浪子回骨

这个项目可以看作 nougat 的继任者，非常有前景

谢谢分享

hatati

有没有能给不懂技术的小白用的

heyi

在线演示的OCR效果很好啊，看看去，谢谢楼主分享

cyhzycds

感谢分享，OCR应该走大模型路线