最强OCR大模型olmOCR，告别低效PDF转换，olmOCR一键提取文档内容完美保留原格式！基于Qwen2 VL 7B模型的olmOCR本地部署全流程，打造PDF提取神器，轻松应对手写笔记、学术论文与多列布局。

olmocr是由Allen人工智能研究所(AI2)开发的一个开源工具包,旨在高效地将PDF和其他文档转换为结构化的纯文本,同时保持自然阅读顺序。

主要特点和功能:

核心技术

• 使用名为olmOCR-7B-0225-preview的视觉语言模型(VLM),这是基于Qwen2-VL-7B-Instruct训练而成的。
• 该模型经过约25万页多样化PDF内容(包括扫描和基于文本的)的训练,这些内容使用GPT-4o标注并作为olmOCR-mix-0225数据集发布。

主要功能

• 高效批量处理:使用SGLang优化推理管道,能以极低的成本处理大量文档。
• 文档锚定:提取每页中显著元素(如文本块和图像)的坐标,并将其与从PDF二进制文件中提取的原始文本一起注入。
• 支持本地和集群使用:可在单机GPU上运行,也支持使用AWS S3进行多节点并行处理。

复杂的公式和图表也可以识别，也可以通过DEMO直接使用