随着信息化的推进，越来越多的企业和个人在工作上需要处理大量的文档。
然而，这些文档形式多样，可能包括PDF、扫描文件、图片等，且布局复杂，包含表格、图表等信息。
手动处理这些文档不仅耗时耗力，还容易出错。这时，一款功能强大的OCR工具就显得尤为重要。
今天为大家推荐一款本地化、高精度、复杂布局识别的开源 OCR 工具：Zerox。
它同时还集成了 GPT-4o-mini 模型，图像识别更加精准。不仅能本地运行，还支持复杂布局的文档处理，极大提升了文档信息提取的效率和准确性。
项目简介
Zerox 采用了 GPT-4o-mini 模型，通过将PDF等文件转换为图像，再进行OCR识别，最终输出Markdown格式的文档。
不仅支持零样本OCR，用户无需提供大量样本进行训练即可直接使用，还能处理包含复杂布局的文件，包括扫描版的PDF和DOCX等格式。
这种工作流程优化了文档的视觉呈现和信息提取，使得用户能够快速获取和整理文档内容。
核心亮点
-
零样本OCR：无需提前训练，Zerox OCR能直接识别和处理各种类型的文档，提供高精度的文本提取。
-
多格式支持：支持PDF、DOCX、图片等多种格式，尤其是扫描版文档，灵活应对不同类型的文件。
-
Markdown输出：将识别结果转换为Markdown格式，方便用户编辑和使用，同时保持文档的视觉和结构完整性。
-
复杂布局处理：可以处理包含表格、图表等复杂布局的文件，为用户提供更全面的文档信息提取能力。
-
API接口：提供API接口，方便开发者集成到自己的应用中，实现自动化文档处理。
基本工作流程
核心：从文件到 Markdown 的高效转化。
-
提交文件：用户可以提交PDF、DOCX、图片等格式的文件。
-
文件转换：工具将文件转换为一系列图像，准备进行OCR识别。
-
OCR识别：每个图像通过 GPT-4o-mini 模型进行OCR识别，转换成Markdown格式。
-
汇总结果：所有页面的Markdown结果被汇总在一起，形成一个完整的Markdown文档，供用户使用和编辑。
快速使用
使用Zerox OCR非常简单，无论是技术人员还是普通用户都能轻松上手。
对于不想自行部署的用户（想省事、小白用户），可以通过 在线试用 体验Zerox的强大功能。
对于有部署能力的（程序员等互联网从业者），你可以安装Zerox OCR包，轻松安装并在本地运行。
官方提供了 Node 和 Python 包，可供前后端直接调用。
Node 包下载：
npm install zerox
Node 代码调用：
import { zerox } from "zerox";
const result = await zerox({
filePath: "https://omni-demo-data.s3.amazonaws.com/test/cs101.pdf",
openaiAPIKey: process.env.OPENAI_API_KEY,
});
Python包下载：
pip install py-zerox
Python 代码调用：
from pyzerox import zerox
import os
import json
import asyncio
async def main():
file_path = "https://omni-demo-data.s3.amazonaws.com/test/cs101.pdf" ## local filepath and file URL supported
## process only some pages or all
select_pages = None ## None for all, but could be int or list(int) page numbers (1 indexed)
output_dir = "./output_test" ## directory to save the consolidated markdown file
result = await zerox(file_path=file_path, model=model, output_dir=output_dir,
custom_system_prompt=custom_system_prompt,select_pages=select_pages, **kwargs)
return result
# run the main function:
result = asyncio.run(main())
# print markdown result
print(result)
代码调用，识别结果展示：
应用场景
-
企业文档管理：帮助企业快速处理和整理大量的PDF和扫描文档，提高办公效率。
-
学术研究：为研究人员提供高效的文档信息提取工具，方便整理和引用文献资料。
-
法律和金融行业：快速处理合同、报告等复杂文档，确保信息的准确提取和整理。
-
教育领域：为教育工作者和学生提供方便的文档转换和整理工具，提升学习效率。
写在最后
Zerox 通过结合 GPT-4o-mini 模型和高效的工作流程，为用户提供了一种简单、快捷的文档信息提取工具。
它不仅支持多种格式和复杂布局的文档处理，还能输出简洁的Markdown格式，为用户提供了更灵活的文档编辑和使用方式。
无论你是企业用户、学术研究者，还是内容创作者，Zerox OCR都能为你的工作带来巨大的便利和提升。
如果你正在寻找一个功能强大、操作简便的OCR工具，Zerox无疑是一个值得尝试的选择。
GitHub 项目地址：github.com/getomni-ai/…
在线体验地址：getomni.ai/ocr-demo
