LLM-Aided OCR: 开源免费的图像文字识别工具

分享一个开源、免费的智能图像文字识别工具，借助LLM大语言模型，可以对PDF文件智能分块，高效处理PDF文件。

一、介绍

功能特性：

• PDF 到图像的转换
• 使用 Tesseract 的 OCR
• 使用（本地或基于 API）进行LLMs高级纠错
• 智能文本分块，实现高效处理
• 提供Markdown 格式选项
• 页眉和页码抑制（可选）
• 最终产出的质量评估
• 支持本地LLMs和基于云的 API 提供商（OpenAI、Anthropic）
• 用于提高性能的异步处理
• 用于进程跟踪和调试的详细日志记录
• 用于本地LLM推理的 GPU 加速

二、项目地址

Github: https://github.com/Dicklesworthstone/llm_aided_ocr

参考：

• LLM-Aided OCR: 开源免费的图像文字识别工具