我自己平常用一些简单的 OCR 是直接用微信自带的了,但是一些复杂的功能微信肯定还是做不到的。
问题:需求是否真的存在?
1
aeron 13 天前
知识库这方面,很多资料是 pdf ,ppt 之类的,没有太精准的工具转成 markdown 这类文本后还能保留原有的结构和内容,所以需要 vlm 来做内容提取
|
![]() |
2
love060701 13 天前
OCRFlux ,开源最佳
|
3
1145148964 13 天前
需要。
|
4
noneofmyb7s 12 天前
最大的问题是太慢,用 qwen2.5-vl-7b ,不带提问只抽取的话大概是 10s/page ,带一些问题理解的抽取要 20~60s/page 了,传统 ocr 会快得多
|
![]() |
5
huc2 OP @noneofmyb7s 如果只是一个小截图的公式的话速度其实还行。解析 pdf 的话速度慢确实,优势可能就是可以帮你自动排版了,可能如果 pdf 有水印可以自动帮你忽略水印
|
![]() |
6
huc2 OP @love060701 star 了,模型是开源的?其实如果是通用的 vlm 的话,会更灵活一些,比如还能指定输出的格式。
|
![]() |
7
FengJQ 11 天前
效果和准确性确实吊打传统 OCR , 最大的问题是太慢了。 不知道本地部署 OCRFlux 速度怎么样?
|
![]() |
8
Selenium39 11 天前 via iPhone
mistral ocr 效果最好,可以在 https://llmocr.com 尝试一下
|
![]() |
9
huc2 OP @Selenium39 他这种怎么做到完全免费的?感觉很烧钱啊,如果用户多了。
|