【工具自荐】基于视觉大模型的 OCR 识别工具

[dwqs]

ollama-ocr 是一个基于视觉大模型的 OCR 识别工具。

主要特性

• 多模型支持：目前已支持的模型有 LLaVA 13B 和 Llama 3.2 Vision 11B，后续还会支持其它视觉模型
• 多格式输出：支持 Markdown、JSON 和 Plain Text 等格式输出

快速开始

可点击，按照步骤进行；也可 docker 搜索 debounce/ollama-ocr，快速运行 Demo。技术栈主要是 Vue 3 + Vite

示例

Input Image1

Output Markdown

Input Image2

Output JSON