[开源] 做了一个用LLM来OCR的工具，欢迎各位佬友使用！

RUD 2026-04-03 12:46 1

本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：

我的帖子已经打上开源推广标签： 是

我的开源项目完整开源，无未开源部分： 是

我的开源项目已链接认可 LINUX DO 社区： 是

我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是

以上选择我承诺是永久有效的，接受社区和佬友监督： 是

以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出

做这个项目的起因是我自己有 ocr 大量文本的需求，现在多模态大模型的 ocr 效果确实非常好，准确率高，速度也还行，但是市面上并没有很好的工具，于是就自己做了个，欢迎各位佬友使用并提出意见。佬友们觉得好用的话可以点个小星星嘛，这是我最大的动力！

可识别的图片格式基本覆盖了日常会使用到的格式，也对 pdf 直接上传做了适配，可以直接用 pdf 来上传。支持直接复制，markdown，txt，word 四种导出方式。

移动端和 pc 端也都做了适配，方便日常使用。

最后，感谢 L 站和 L 站的佬友们，没有站内的公益站，就没有这个项目。~~opus4.6 太牛了！~~

最新回复 (19)

yi yi 04-03 12:47

1楼

这对古籍的识别率怎么样
RUD 楼主 04-03 12:49

2楼

我手上没有古籍的档案诶，佬友可以自己试试看，有问题的话可以直接说
ROG 04-03 12:51

3楼

感谢佬友分享
Grogu 04-03 12:54

4楼

感谢佬友分享 ^-^
Firefox 04-03 12:58

5楼

STranslate/STranslate 带这个功能，不过只支持Windows
大帅哥 04-03 13:25

6楼

感谢大佬了
LanAI 04-03 13:50

7楼

感谢佬友分享。
Eric12 04-04 10:04

8楼

正好也在做类似的免费项目，马上学习！
beyotan 04-04 10:11

9楼

巧了，我也做了一个类似的，不过我增加了paddleOCR离线模型、多格式文档转换、截图识别、翻译、markdown渲染等功能。
RUD 楼主 04-04 10:35

10楼

我想做的比较纯粹哈哈哈，而且希望能多端使用，所以用 paddleOCR 就不太现实了，然后我导出本身就支持多格式，输出的时候也是带有 md 渲染的
hikaChen 04-04 10:45

11楼

哪个模型效果好？
RUD 楼主 04-04 10:47

12楼

qwen 和 gpt 都还不错，gemini 一般般
beyotan 04-04 10:53

13楼

我自己的程序测试，gemini-3-flash-preview、qwen3.5-122b-a10b、qwen3-vl-235b-a22b-instruct、qwen3-vl-30b-a3b-instruct、doubao-seed-2.0-pro这几个模型效果最好，gemini 3 pro反而没有flash效果好。千问qwen3.5-122b-a10b这个是真的顶。
hikaChen 04-04 10:55

14楼

好的谢谢佬
hikaChen 04-04 10:55

15楼

好的谢谢佬
洛 05-21 16:00

16楼

看了一下好像只能提取纯文本出来是吗
洛 05-21 16:01

17楼

-flash-preview、

大佬，您这个开源了吗？最近也有类似的需求，想找别人的看看案例
RUD 楼主 05-21 18:57

18楼

表格也是可以的，但是要看模型聪不聪明，能不能很好理解prompt
yangshan 06-17 08:55

19楼

能提取公式吗？

当然能提文字也很好了