pdf-extract-api
国外AI工具
pdf-extract-api pdf-extract-api官网入口 pdf-extract-api登录网址 api pdf json ocr extract anonymization pii ocr-python llm AI办公应用 AI文档处理

pdf-extract-api

高精度将图片或PDF转换为Markdown文本或JSON结构化文档的API

pdf-extract-api是一个使用现代OCR技术和Ollama支持的模型将任何文档或图片转换为结构化的JSON或Markdown文本的API。它使用FastAPI构建,并使用Celery进行异步任务处理,Redis用于缓存OCR结果。该API无需云或外部依赖,所有处理都在本地开发或服务器环境中完成,确保数据安全。它支持PDF到Markdown的高精度转换,包括表格数据、数字或数学公式,并且可

  • 工具介绍
  • 平替软件
    • pdf-extract-api是什么,是做什么的AI工具软件?

      pdf-extract-api是一个使用现代OCR技术和Ollama支持的模型将任何文档或图片转换为结构化的JSON或Markdown文本的API。它使用FastAPI构建,并使用Celery进行异步任务处理,Redis用于缓存OCR结果。该API无需云或外部依赖,所有处理都在本地开发或服务器环境中完成,确保数据安全。它支持PDF到Markdown的高精度转换,包括表格数据、数字或数学公式,并且可以使用Ollama支持的模型进行PDF到JSON的转换。此外,该API还支持LLM改进OCR结果,去除PDF中的个人身份信息(PII),以及分布式队列处理和缓存。

      需求人群:

      "目标受众包括需要高精度文档转换服务的开发者和企业,特别是那些对数据隐私和安全性有高要求的用户。该API适合需要将大量文档转换为结构化数据的场合,如法律文件、医疗报告和财务发票等。"

      使用场景示例:

      将MRI报告转换为Markdown和JSON

      将发票转换为JSON并去除PII

      使用不同的OCR策略进行PDF到Markdown的转换

      产品特色:

      高精度PDF到Markdown和JSON的转换

      使用PyTorch基于Marker的OCR和Ollama模型进行本地处理

      支持LLM改进OCR文本结果

      去除PDF中的个人身份信息(PII)

      分布式队列处理使用Celery

      使用Redis缓存OCR结果

      命令行工具用于发送任务和处理结果

      使用教程:

      1. 克隆仓库到本地

      2. 设置环境变量并创建.env文件

      3. 使用Docker Compose构建并运行Docker容器

      4. 使用CLI工具上传文件进行OCR转换

      5. 获取OCR结果

      6. 清除OCR缓存

    © 版权声明:除另有声明外,本站所有内容版权均归卓商AI工具网址导航及原创作者所有,未经允许,任何个人、媒体、网站、团体不得转载或以其他方式抄袭发布本站内容,或在非本站所属服务器上建立镜像,否则我们将保留依法追究相关法律责任的权利。
    当前AI工具AI软件本站不保证其完整性、准确性、合法性、安全性和可用性,用户使用所产生的一切后果自行承担;内容来自网络收集,如有侵犯您的相关权利,请联系我们纠正、删除。
    AI Summarizer

    上一个

    AI Summarizer

    下一个

    DataGIF.io
    DataGIF.io
    相关AI工具集
    卓商AI
    卓商AI

    AI爱好者的一站式人工智能AI工具箱,累计收录全球10,000⁺好用的AI工具软件和网站,方便您更便捷的探索前沿的AI技术。本站持续更新好的AI应用,力争做全球排名前三的AI网址导航网站,欢迎您成为我们的一员。