需求人群:
"目标受众包括需要从图像中提取文本的开发者、研究人员和企业用户。对于开发者来说,它可以集成到各种应用程序中,实现图像文本识别功能;对于研究人员,它是一个研究视觉语言模型在OCR任务上表现的有力工具;对于企业用户,可用于自动化文档处理和图像内容分析,提高工作效率。"
使用场景示例:
开发者可以将ollama-ocr集成到自己的Web应用中,为用户提供图像文本识别功能,如在线文档扫描服务。
研究人员可以利用该模型研究视觉语言模型在不同图像场景下的OCR性能,推动相关技术的发展。
企业可以部署ollama-ocr来自动化处理大量的图像文档,如发票、合同等,提高数据录入效率。
产品特色:
支持多种先进的视觉语言模型,如LLaVA、Llama 3.2 Vision和MiniCPM-V 2.6,提供多样化的文本识别能力。
能够处理单图像、多图像和视频输入,适应不同的使用场景。
输出格式灵活,支持Markdown、纯文本和JSON格式,方便后续处理和应用。
通过Docker支持,便于在不同环境中部署和运行。
提供详细的使用文档和示例,帮助用户快速上手。
使用教程:
1. 安装Ollama。
2. 拉取所需的模型,如llama3.2-vision:11b、llava:13b和minicpm-v:8b。
3. 克隆ollama-ocr仓库:git clone git@github.com:dwqs/ollama-ocr.git。
4. 进入项目目录:cd ollama-ocr。
5. 安装依赖:yarn or npm i。
6. 启动开发服务器:yarn dev or npm run dev。
7. 将图像输入到模型中,获取文本输出。
浏览量:27
最新流量情况
月访问量
5.03m
平均访问时长
00:06:29
每次访问页数
5.88
跳出率
37.10%
流量来源
直接访问
52.07%
自然搜索
32.84%
邮件
0.04%
外链引荐
12.88%
社交媒体
2.04%
展示广告
0
截止目前所有流量趋势图
地理流量分布情况
中国
12.85%
德国
3.90%
印度
9.41%
俄罗斯
4.16%
美国
18.95%
一个强大的OCR包,使用最先进的视觉语言模型提取图像中的文本。
ollama-ocr是一个基于ollama的光学字符识别(OCR)模型,能够从图像中提取文本。它利用先进的视觉语言模型,如LLaVA、Llama 3.2 Vision和MiniCPM-V 2.6,提供高精度的文本识别。该模型对于需要从图片中获取文本信息的场景非常有用,如文档扫描、图像内容分析等。它开源免费,易于集成到各种项目中。
一个强大的OCR(光学字符识别)工具
Ollama-OCR是一个使用最新视觉语言模型的OCR工具,通过Ollama提供技术支持,能够从图像中提取文本。它支持多种输出格式,包括Markdown、纯文本、JSON、结构化数据和键值对,并且支持批量处理功能。这个项目以Python包和Streamlit网络应用的形式提供,方便用户在不同场景下使用。
OmniParser 是一款通用屏幕解析工具,可将 UI 截图转换为结构化格式,提升基于 LLM 的 UI 代理性能。
OmniParser 是微软开发的一种先进的图像解析技术,旨在将不规则的屏幕截图转换为结构化的元素列表,包括可交互区域的位置和图标的功能描述。它通过深度学习模型,如 YOLOv8 和 Florence-2,实现了对 UI 界面的高效解析。该技术的主要优点在于其高效性、准确性和广泛的适用性。OmniParser 可以显著提高基于大型语言模型(LLM)的 UI 代理的性能,使其能够更好地理解和操作各种用户界面。它在多种应用场景中表现出色,如自动化测试、智能助手开发等。OmniParser 的开源特性和灵活的许可证使其成为开发者和研究人员的有力工具。
一个支持从PDF、图像、办公文档等多种格式中提取文本的Python库。
Kreuzberg是一个现代Python库,专注于从各种文档中提取文本。它通过简洁的API和本地处理能力,为用户提供高效的文本提取解决方案。该库支持多种文件格式,包括PDF、图像、办公文档等,无需复杂的配置或外部API调用。它采用异步接口设计,提高了处理效率,同时保持了轻量级的资源占用。Kreuzberg适用于需要本地化文本提取的场景,如RAG应用等,其主要优点是简单易用、资源高效且功能强大。
低成本强化视觉语言模型的泛化能力,仅需不到3美元。
R1-V是一个专注于强化视觉语言模型(VLM)泛化能力的项目。它通过可验证奖励的强化学习(RLVR)技术,显著提升了VLM在视觉计数任务中的泛化能力,尤其是在分布外(OOD)测试中表现出色。该技术的重要性在于,它能够在极低的成本下(仅需2.62美元的训练成本),实现对大规模模型的高效优化,为视觉语言模型的实用化提供了新的思路。项目背景基于对现有VLM训练方法的改进,目标是通过创新的训练策略,提升模型在复杂视觉任务中的表现。R1-V的开源性质也使其成为研究者和开发者探索和应用先进VLM技术的重要资源。
开源的视觉语言模型,可在多种设备上运行。
Moondream AI是一个开源的视觉语言模型,具有强大的多模态处理能力。它支持多种量化格式,如fp16、int8、int4,能够在服务器、PC、移动设备等多种目标设备上进行GPU和CPU优化推理。其主要优点包括快速、高效、易于部署,且采用Apache 2.0许可证,允许用户自由使用和修改。Moondream AI的定位是为开发者提供一个灵活、高效的人工智能解决方案,适用于需要视觉和语言处理能力的各种应用场景。
先进的大型混合专家视觉语言模型
DeepSeek-VL2是一系列先进的大型混合专家(MoE)视觉语言模型,相较于前代DeepSeek-VL有显著提升。该模型系列在视觉问答、光学字符识别、文档/表格/图表理解、视觉定位等多项任务中展现出卓越的能力。DeepSeek-VL2由三种变体组成:DeepSeek-VL2-Tiny、DeepSeek-VL2-Small和DeepSeek-VL2,分别拥有1.0B、2.8B和4.5B激活参数。DeepSeek-VL2在激活参数相似或更少的情况下,与现有的开源密集型和基于MoE的模型相比,达到了竞争性或最先进的性能。
基于InternViT-6B-448px-V1-5的增强版视觉模型
InternViT-6B-448px-V2_5是一个基于InternViT-6B-448px-V1-5的视觉模型,通过使用ViT增量学习与NTP损失(阶段1.5),提升了视觉编码器提取视觉特征的能力,尤其是在大规模网络数据集中代表性不足的领域,如多语言OCR数据和数学图表等。该模型是InternVL 2.5系列的一部分,保留了与前代相同的“ViT-MLP-LLM”模型架构,并集成了新增量预训练的InternViT与各种预训练的LLMs,包括InternLM 2.5和Qwen 2.5,使用随机初始化的MLP投影器。
一款AI视觉语言模型,提供图像分析和描述服务。
InternVL是一个AI视觉语言模型,专注于图像分析和描述。它通过深度学习技术,能够理解和解释图像内容,为用户提供准确的图像描述和分析结果。InternVL的主要优点包括高准确性、快速响应和易于集成。该技术背景基于最新的人工智能研究,致力于提高图像识别的效率和准确性。目前,InternVL提供免费试用,具体价格和定位需要根据用户需求定制。
视觉语言模型增强工具,结合生成式视觉编码器和深度广度融合技术。
Florence-VL是一个视觉语言模型,通过引入生成式视觉编码器和深度广度融合技术,增强了模型对视觉和语言信息的处理能力。该技术的重要性在于其能够提升机器对图像和文本的理解,进而在多模态任务中取得更好的效果。Florence-VL基于LLaVA项目进行开发,提供了预训练和微调的代码、模型检查点和演示。
PaliGemma 2是功能强大的视觉语言模型,简单易调优。
PaliGemma 2是Gemma家族中的第二代视觉语言模型,它在性能上进行了扩展,增加了视觉能力,使得模型能够看到、理解和与视觉输入交互,开启了新的可能性。PaliGemma 2基于高性能的Gemma 2模型构建,提供了多种模型尺寸(3B、10B、28B参数)和分辨率(224px、448px、896px)以优化任何任务的性能。此外,PaliGemma 2在化学公式识别、乐谱识别、空间推理和胸部X光报告生成等方面展现出领先的性能。PaliGemma 2旨在为现有PaliGemma用户提供便捷的升级路径,作为即插即用的替代品,大多数任务无需大幅修改代码即可获得性能提升。
高效开源的视觉语言模型
SmolVLM是一个小型但功能强大的视觉语言模型(VLM),拥有2B参数,以其较小的内存占用和高效性能在同类模型中处于领先地位。SmolVLM完全开源,包括所有模型检查点、VLM数据集、训练配方和工具均在Apache 2.0许可下发布。该模型适合在浏览器或边缘设备上进行本地部署,降低推理成本,并允许用户自定义。
将图像转换成结构化的Markdown文档
LlamaOCR.com是一个基于OCR技术的在线服务,它能够将上传的图像文件转换成结构化的Markdown格式文档。这项技术的重要性在于它极大地提高了文档转换的效率和准确性,尤其是在处理大量文本资料时。LlamaOCR.com由'Together AI'提供支持,并且与'Nutlope/llama-ocr'的GitHub仓库相关联,显示了其开源和社区支持的背景。产品的主要优点包括易用性、高效率和准确性。
一站式OCR代理,快速从图像中生成洞见。
TurboLens是一个集OCR、计算机视觉和生成式AI于一体的全功能平台,它能够自动化地从非结构化图像中快速生成洞见,简化工作流程。产品背景信息显示,TurboLens旨在通过其创新的OCR技术和AI驱动的翻译及分析套件,从印刷和手写文档中提取定制化的洞见。此外,TurboLens还提供了数学公式和表格识别功能,将图像转换为可操作的数据,并将数学公式翻译成LaTeX格式,表格转换为Excel格式。产品价格方面,TurboLens提供免费和付费两种计划,满足不同用户的需求。
新一代可靠且可定制的OCR解决方案
Koncile Extract是一款基于人工智能的光学字符识别(OCR)技术,能够将文档中的文本转换为可编辑和可搜索的数据。它通过使用先进的计算机视觉和自然语言处理技术,提供了高准确率的文本提取服务。Koncile Extract的主要优点包括高准确率、易于定制以及能够处理复杂文档的能力。产品背景信息显示,Koncile旨在通过其OCR技术帮助企业提高数据处理效率,降低人工成本。关于价格和定位,Koncile Extract提供定制化的解决方案,以满足不同企业的需求,具体价格可能需要根据客户需求进行商议。
免费 npm 库,用 Llama 3.2 Vision 进行 OCR,输出 markdown 文本
开源 npm 库,免费使用 Llama 3.2 Vision 进行 OCR,支持本地和远程图像,计划支持 PDF,受 Zerox 启发,有免费和付费接口
视觉语言模型,结合图像和文本信息进行智能处理。
Aquila-VL-2B模型是一个基于LLava-one-vision框架训练的视觉语言模型(VLM),选用Qwen2.5-1.5B-instruct模型作为语言模型(LLM),并使用siglip-so400m-patch14-384作为视觉塔。该模型在自建的Infinity-MM数据集上进行训练,包含约4000万图像-文本对。该数据集结合了从互联网收集的开源数据和使用开源VLM模型生成的合成指令数据。Aquila-VL-2B模型的开源,旨在推动多模态性能的发展,特别是在图像和文本的结合处理方面。
AI驱动的电子元件分类器,智能组件管理的终极解决方案。
Vanguard-s/Electronic-Component-Sorter是一个利用机器学习和人工智能自动化识别和分类电子元件的项目。该项目通过深度学习模型,能够将电子元件分为电阻、电容、LED、晶体管等七大类,并通过OCR技术进一步获取元件的详细信息。它的重要性在于减少人工分类错误,提高效率,确保安全性,并帮助视觉障碍人士更便捷地识别电子元件。
新一代视觉语言模型,更清晰地看世界。
Qwen2-VL是一款基于Qwen2打造的最新一代视觉语言模型,具备多语言支持和强大的视觉理解能力,能够处理不同分辨率和长宽比的图片,理解长视频,并可集成到手机、机器人等设备中进行自动操作。它在多个视觉理解基准测试中取得全球领先的表现,尤其在文档理解方面有明显优势。
先进的文档智能AI模型,开源易用。
Datalab 的 AI For Document Intelligence 是一系列用于文档智能处理的AI模型,包括OCR、布局分析、PDF转Markdown等。这些模型代表了文档处理技术的最新发展,易于使用,并且是开源的,可以广泛应用于提高文档处理的效率和准确性。
Falcon 2 是一款开源、多语言、多模态的模型,具备图像到文本转换能力。
Falcon 2 是一款具有创新功能的生成式 AI 模型,为我们创造了一种充满可能性的未来路径,只有想象力才是限制。Falcon 2 采用开源许可证,具备多语言和多模态的能力,其中独特的图像到文本转换功能标志着 AI 创新的重大进展。
一个多图像视觉语言模型,具有训练、推理和评估方案,可从云端部署到边缘设备(如Jetson Orin和笔记本电脑)。
VILA是一个预训练的视觉语言模型(VLM),它通过大规模的交错图像-文本数据进行预训练,从而实现视频理解和多图像理解能力。VILA通过AWQ 4bit量化和TinyChat框架在边缘设备上可部署。主要优点包括:1) 交错图像-文本数据对于提升性能至关重要;2) 在交错图像-文本预训练期间不冻结大型语言模型(LLM)可以促进上下文学习;3) 重新混合文本指令数据对于提升VLM和纯文本性能至关重要;4) 标记压缩可以扩展视频帧数。VILA展示了包括视频推理、上下文学习、视觉思维链和更好的世界知识等引人入胜的能力。
一键翻译各类图片内文字
该项目可以将漫画/图片中的文字进行翻译,主要功能包括文本检测、光学字符识别(OCR)、机器翻译和图像修补。它支持多种语言如日语、中文、英语和韩语等,可实现近乎完美的翻译效果。该项目主要面向漫画爱好者和图像处理工作者,可以方便地阅读外语漫画或进行图像的多语言处理。此外,它还提供Web服务、在线演示和命令行工具等多种使用方式,具有良好的可用性。该项目代码开源,欢迎大家一起完善和贡献。
先进的开源多模态模型
Yi-VL-34B是 Yi Visual Language(Yi-VL)模型的开源版本,是一种多模态模型,能够理解和识别图像,并进行关于图像的多轮对话。Yi-VL 在最新的基准测试中表现出色,在 MMM 和 CMMMU 两个基准测试中均排名第一。
让自然语言处理和机器学习解决方案更易于访问和经济实惠,以实现更好、更智能的决策。
UBIAI 文本标注工具是一个强大的数据标注平台,可以轻松进行数据标注、训练和模型部署。通过我们的光学字符识别(OCR)技术,您可以准确地从图像中提取文本。UBIAI 的自动化标注使得标注变得简单,通过学习您的输入,逐渐减少您的工作量,同时保持高质量的标注。您可以在一个文档中以多种语言进行标注,包括希伯来语、日语、阿拉伯语、印地语等。无论您需要分析医疗记录还是金融文件,UBIAI 都可以帮助简化您的数据标注和训练流程。
使用相机和图像进行任意语言翻译
图片转文字:英文翻译是一款提供翻译服务的工具应用。它具备图像转文字、在线OCR和图像添加文字等多个实用功能。用户可以通过这些功能从任何图片或文档中轻松翻译文字,使跨语言沟通变得轻松便捷。该应用支持100多种语言,用户可以随时随地与任何人进行沟通。
Goedel-Prover 是一款开源的自动化定理证明模型,专注于数学问题的形式化证明。
Goedel-Prover 是一款专注于自动化定理证明的开源大型语言模型。它通过将自然语言数学问题翻译为形式化语言(如 Lean 4),并生成形式化证明,显著提升了数学问题的自动化证明效率。该模型在 miniF2F 基准测试中达到了 57.6% 的成功率,超越了其他开源模型。其主要优点包括高性能、开源可扩展性以及对数学问题的深度理解能力。Goedel-Prover 旨在推动自动化定理证明技术的发展,并为数学研究和教育提供强大的工具支持。
FreeParser 是一款由 AI 驱动的免费文档解析工具,支持多种文件格式。
FreeParser 是一款基于 AI 技术的文档解析工具,旨在通过先进的 OCR 和 LLM 技术帮助用户快速提取文档中的关键信息。它支持多种文件格式,包括 PDF、DOCX、图片等,并提供灵活的自定义提取功能。该产品以简单易用的界面和高性价比的价格定位,满足企业和个人对文档处理的需求。
© 2025 AIbase 备案号:闽ICP备08105208号-14