AI新工具
banner

Zerox OCR


介绍：

Zerox OCR 是一种经济高效且准确的文档OCR工具，适用于AI数据处理。

去看看








Zerox OCR

Zerox OCR 简介

Zerox OCR 是一种极其简便的方法，用于将文档进行光学字符识别（OCR）并方便人工智能进行后续处理。鉴于文档往往包含复杂布局、表格、图表等，视觉模型在处理这些内容时尤其有效。

基本逻辑如下：

  1. 提供一个 PDF 文件（URL 或文件缓冲区）。
  2. 将 PDF 转换成一系列图像。
  3. 将每个图像传给 GPT，让其生成 Markdown 格式的文本。
  4. 聚合所有响应，并返回 Markdown 格式的结果。

这看起来很简单，但使用 gpt-4o-mini 方法，这不仅具备价格竞争优势，还能获得显著更好的结果。

价格比较

以下是 Zerox OCR 与其他文档处理服务的价格对比（处理 1000 页）：

服务 费用 准确度 表格质量
AWS Textract $1.50 / 1000 页 低 低
Google Document AI $1.50 / 1000 页 低 低
Azure Document AI $1.50 / 1000 页 高 中
Unstructured (PDF) $10.00 / 1000 页 中 中
Zerox (gpt-mini) $4.00 / 1000 页 高 高

安装

npm install zerox

Zerox 使用 graphicsmagick 和 ghostscript 进行 PDF 到图像的转换。这些工具应会自动下载，但有时需要手动安装。

使用方法

通过文件 URL
import { zerox } from "zerox";

const result = await zerox({
  filePath: "https://omni-demo-data.s3.amazonaws.com/test/cs101.pdf",
  openaiAPIKey: process.env.OPENAI_API_KEY,
});
通过本地路径
import path from "path";
import { zerox } from "zerox";

const result = await zerox({
  filePath: path.resolve(__dirname, "./cs101.pdf"),
  openaiAPIKey: process.env.OPENAI_API_KEY,
});
选项
const result = await zerox({
  // 必填
  filePath: "path/to/file",
  openaiAPIKey: process.env.OPENAI_API_KEY,

  // 可选
  concurrency: 10, // 并发处理页面数。
  maintainFormat: false, // 较慢但有助于保持一致的格式。
  cleanup: true, // 处理结束后清理临时图像文件。
  outputDir: undefined, // 将合并结果保存到文件。
  tempDir: "/os/tmp", // 用于临时文件的目录（默认：系统临时目录）。
});

maintainFormat 选项通过将前一页的输出作为下一页的附加上下文传递，尝试保持 Markdown 格式的一致性。这需要同步运行请求，因而速度较慢，但对于包含大量表格数据或表格跨页的文档非常有用。

示例结果
{
  completionTime: 10038,
  fileName: 'invoice_36258',
  inputTokens: 25543,
  outputTokens: 210,
  pages: [
    {
      content: '# INVOICE # 36258\n' +
        '**Date:** Mar 06 2012  \n' +
        '**Ship Mode:** First Class  \n' +
        '**Balance Due:** $50.10  \n' +
        '## Bill To:\n' +
        'Aaron Bergman  \n' +
        '98103, Seattle,  \n' +
        'Washington, United States  \n' +
        '## Ship To:\n' +
        'Aaron Bergman  \n' +
        '98103, Seattle,  \n' +
        'Washington, United States  \n' +
        '\n' +
        '| Item                                       | Quantity | Rate   | Amount  |\n' +
        '|--------------------------------------------|----------|--------|---------|\n' +
        "| Global Push Button Manager's Chair, Indigo | 1        | $48.71 | $48.71  |\n" +
        '| Chairs, Furniture, FUR-CH-4421             |          |        |         |\n' +
        '\n' +
        '**Subtotal:** $48.71  \n' +
        '**Discount (20%):** $9.74  \n' +
        '**Shipping:** $11.13  \n' +
        '**Total:** $50.10  \n' +
        '---\n' +
        '**Notes:**  \n' +
        'Thanks for your business!  \n' +
        '**Terms:**  \n' +
        'Order ID : CA-2012-AB10015140-40974  ',
      page: 1,
      contentLength: 747
    }
  ]
}
许可证

本项目基于 MIT 许可证授权。

可关注我们的公众号：每天AI新工具

广告：私人定制视频文本提取，字幕翻译制作等，欢迎联系QQ:1752338621