indra-ocr

Que é indra-ocr

Indra-OCR é un modelo de OCR baseado en Hugging Face para recoñecemento de texto en imaxes.

Características clave

• Converte PDFs e imaxes a Markdown, texto plano ou JSON con caixas delimitadoras
• Fornece caixas delimitadoras para cada liña de texto e bloque de deseño, e etiqueta tipos de bloque (como título, lista, táboa)
• Le a capa de texto integrada dos PDFs dixitais e realiza OCR só nas seccións que faltan
• Admite análise de deseño e detección de orde de lectura
• Tamaño do modelo aproximado de 18 MB, usa ONNX Runtime e non require PyTorch

Para quen é

Desenvolvedores, enxeñeiros de procesamento de documentos e usuarios que manexan tarefas de intelixencia de documentos que necesitan converter PDFs e imaxes rapidamente a texto estruturado.

Como comezar

1. Executa pip install indra-ocr
2. Executa o comando indra-ocr paper.pdf para converter un PDF a Markdown e mostrar a saída por stdout
3. Usa indra-ocr *.pdf --out results/ para procesar varios PDFs en ficheiros Markdown

Compilado a partir de descricións públicas no sitio web oficial / README / páxina de lanzamento da ferramenta. Os prezos e números de usuarios non foron verificados; consulta o sitio web oficial. Algunhas seccións foron redactadas con axuda de IA. Escrito en chinés e inglés; outras linguaxes están traducidas por máquina.