pdf-extract-api: 结合 OCR 和 LLM 实现高质量的本地文档智能化处理 # 基于现代 OCR 技术和 LLM 的 PDF 文档解析 API, 能够将 PDF/图片高精度转换为 Markdown/JSON 格式, 支持数学公式识别、隐私信息删除, 完全本地部署无需云服务, 适合对数据隐私敏感的企业级应用场景。

pdf-extract-api: 结合 OCR 和 LLM 实现高质量的本地文档智能化处理 @CatchtheTornado

# 基于现代 OCR 技术和 @ollama LLM 的 PDF 文档解析 API, 能够将 PDF/图片高精度转换为 Markdown/JSON 格式, 支持数学公式识别、隐私信息删除, 完全本地部署无需云服务, 适合对数据隐私敏感的企业级应用场景。

※ 核心功能
- 可以将任何PDF文档或图片转换为 Markdown 文本或 JSON 结构化文档
- 支持数学公式的高精度识别和转换
- 能够自动移除文档中的个人身份信息(PII)
- 支持 OCR 识别和文档解析

※ 技术架构
- 基于 @FastAPI 构建 API 服务
- 使用 Celery 处理异步 OCR 任务
- 使用 Redis 进行缓存
- 结合 PyTorch 的 OCR(Marker) 和 Ollama 模型
- 完全本地部署, 无需外部云服务依赖

※ 关键特性
- 高质量 OCR: 使用不同的 OCR 策略确保高精度转换
- LLM 增强: 使用 Llama 模型改进 OCR 结果, 修复拼写和文本问题
- 隐私保护: 可以移除敏感个人信息
- 分布式处理: 使用 Celery 实现队列处理
- GPU 支持: 支持 GPU 加速

项目地址:
https://t.co/r4NZM8CpCg

点击图片查看原图

1周内 1个月内 1年内全部时间

一个高质量PDF内容提取工具：PDF-Extract-Kit
PDF-Extract-Kit通过集成多个模型实现了PDF高质量提取，适用于学术论文、教科书、研究报告和财务报表等多种文档类型，在扫描模糊或有水印的情况下也能保持高鲁棒性
1、布局检测采用LayoutLMv3模型进行区域检测，包括图像、表格、标题、文本等
时政
( twitter.com)

1年前 • AIGCLINK • -- 点击 0 评论

官方支持了 PDF 文件上传，结合 100k 的上下文，提供了丝滑的 PDF 问答体验。
比如这个19页的全球AI流量变化的PDF，让它总结出细分品类里依然在增长的AI网站。这个任务…
IT技术
( twitter.com)

2年前 • orange.ai • -- 点击 0 评论

发现一个新的 ChatGPT UI，支持Docker部署，我实测兼容 Pandora 项目的白嫖 Turbo API，可以无限次调用 ChatGPT API。只需注意OpenAI API Proxy填写格式（图2)，这两个项目结合起来，就是一个好用的 #ChatGPT 工具。
Power Chat
ChatGPT 转 Turbo API
IT技术
( twitter.com)

2年前 • Geek • -- 点击 0 评论

王兴饭否合集PDF下载地址
IT技术
( iz8nxlvq03.feishu.cn)

4个月前 • 向阳乔木 • -- 点击 0 评论

Gemini 的 API 支持 URL 抓取了，你可以提供网页、PDF、图片的 URL 就可以自动抓取内容，然后帮你处理，注意抓取后的内容 token 也计算在输入 tokens 中，但可以省掉第三方抓取 API 的费用，可以说很合算了。当然有付费墙或者禁止抓取的 URL 还是不行。
IT技术
( twitter.com)

4个月前 • 宝玉 • -- 点击 0 评论

1/ 推荐一款基于 ChatGPT API 的读取 PDF 工具 ChatPDF：可以直接把需要阅读的 pitch deck、白皮书、文档、论文、图书喂给它，让它做总结和提问。

昨天使用 ChatGPT 的时候还在一段话一段话的…
币圈
( twitter.com)

2年前 • (𝗞𝗮𝘆, 𝗞𝗮𝘆) • -- 点击 0 评论

一个基于GPT-4o-mini 的PDF OCR工具：Zerox
Zerox先将PDF 文件转换成图像，再由GPT-4o-mini识别并输出Markdown，最后将所有页面对应的 Markdown 结果汇总在一起形成完整的Markdown 文档
支持零样本 OCR、精度高、提供API接口；可以处理包含表格、图表等复杂布局文件，支持多种格式，包括扫描版
时政
( twitter.com)

1年前 • AIGCLINK • -- 点击 0 评论

微软与Adobe进一步合作，Office获得PDF支持
大陆资讯
( www.tmtpost.com)

7年前 • 钛媒体 • -- 点击 0 评论

对于刚刚发布的 #Glarity 2.0，大家对PDF总结功能呼声最高！

确实，我也特别喜欢PDF总结这个功能。
快速总结PDF，通过Q&A高效的掌握关键信息，真的太轻松了。

我现在查阅一本书里的资料，就容易多了。
直接问Gl…
IT技术
( twitter.com)

2年前 • Jeffery Kaneda　金田達也 • -- 点击 0 评论

阿里刚刚发了一个智能简历解析系统：SmartResume，直接把PDF/图片/Office文档简历变成结构化数据
HR部门的手动录入工作可以直接秒级完成了
系统融合了OCR与PDF元数据完成文本提取，结合版面检测重建阅读顺序，通过LLM将内容转换为结构化字段
能够提取基本信息、工作经历、教育背景等结构化信息
时政
( twitter.com)

1个月前 • AIGCLINK • -- 点击 0 评论

这就是AI存在的意义，一个初学编程的人，可以依靠AI辅助，实现自己想要的功能。
这个开源Python脚本作者BrandonSC在日常工作中发现有很多没有好好命名的PDF文件，如“附件（1）.pdf”，于是他写了个小脚本，能够根据PDF内容自动重命名PDF文件，如把“附件（1）.pdf”命名为“2023年用户访谈总结.pdf”。…
时政
( twitter.com)

1年前 • 哥飞 • -- 点击 0 评论

API 网关的三大应用场景。

API 网关位于客户端与服务之间，负责它们之间的 API 通信。

1. API 网关助力打造生态系统。
用户可通过 API 网关接触到更多的工具。在这个生态系统中，各个合作伙伴共同协作，为用户提供更为完善的集成方案。

2. API 网关促进 API 市场的建立
API…
IT技术
( twitter.com)

2年前 • 宝玉 • -- 点击 • 下载视频 0 评论

00:00:02

Grok 现在支持将生成或者搜索的结果输出为PDF了

IT技术
( twitter.com)

7个月前 • 歸藏(guizang.ai) • -- 点击 • 下载视频 0 评论

00:00:18

看到不少人推荐 #ChatPDF，上传 PDF 文件后调用 ChatGPT 生成总结和问答。刚好我申请的微软 New Bing 也通过了，用同一份 PDF 做了下比较，结论如下：

1. New Bing: 总结能力惊艳（见下图…
推特中文圈
( twitter.com)

2年前 • starzq.eth⛩️ • -- 点击 0 评论

发现一个可以购买 OpenAI API Key 的服务：，还聚合了许多能够使用 API Key 的工具。

现在直接买 Key 的成本比付费 API 还低，买了二十个用来刷 GPT I…
推特中文圈
( twitter.com)

2年前 • Dott • -- 点击 0 评论

卧槽， langflow 确实骚包的，野心很大
1/ 集成各类 llm 节点: openAI, Ollama, Anthropic, Qianfan
2/ 支持各类向量数据库 FAISS, Vectara, Pinecone
3/ 各类文件源 SQL, Json, PDF, Notion
4/ 各类三方 API BingSearchAPI, GoogleSearchAPI
5/…
IT技术
( twitter.com)

1年前 • 黄赟 • -- 点击 0 评论

今天发现的新工具 ChatPDF 简直是学习神器，上传 PDF 文件后，可以对它提问任何关于这份 PDF 的问题，非常适合快速提取各种 paper 论文的摘要，也支持中文输出。几天前我还在一段段地从 PDF 里复制到 ChatGP…
推特中文圈
( twitter.com)

2年前 • Reorx • -- 点击 0 评论

Bard PDF
博客

1年前 • 匿名45680 • -- 点击 0 评论

转自 “交个朋友”
【10刀API】
【10刀API】
【20刀API】
--
【聊天】
【聊天】
【聊天】
--
【翻译】
IT技术
( twitter.com)

1年前 • Geek • -- 点击 0 评论

时政

时政

官方支持了 PDF 文件上传，结合 100k 的上下文，提供了丝滑的 PDF 问答体验。
比如这个19页的全球AI流量变化的PDF，让它总结出细分品类里依然在增长的AI网站。这个任务…
IT技术
( twitter.com)

IT技术

IT技术

王兴饭否合集PDF下载地址
IT技术
( iz8nxlvq03.feishu.cn)

IT技术

IT技术

1/ 推荐一款基于 ChatGPT API 的读取 PDF 工具 ChatPDF：可以直接把需要阅读的 pitch deck、白皮书、文档、论文、图书喂给它，让它做总结和提问。

昨天使用 ChatGPT 的时候还在一段话一段话的…
币圈
( twitter.com)

币圈

时政

微软与Adobe进一步合作，Office获得PDF支持
大陆资讯
( www.tmtpost.com)

大陆资讯

IT技术

时政

时政

IT技术

Grok 现在支持将生成或者搜索的结果输出为PDF了

IT技术
( twitter.com)

IT技术

看到不少人推荐 #ChatPDF，上传 PDF 文件后调用 ChatGPT 生成总结和问答。刚好我申请的微软 New Bing 也通过了，用同一份 PDF 做了下比较，结论如下：

1. New Bing: 总结能力惊艳（见下图…
推特中文圈
( twitter.com)

推特中文圈

发现一个可以购买 OpenAI API Key 的服务：，还聚合了许多能够使用 API Key 的工具。

现在直接买 Key 的成本比付费 API 还低，买了二十个用来刷 GPT I…
推特中文圈
( twitter.com)

推特中文圈

卧槽， langflow 确实骚包的，野心很大
1/ 集成各类 llm 节点: openAI, Ollama, Anthropic, Qianfan
2/ 支持各类向量数据库 FAISS, Vectara, Pinecone
3/ 各类文件源 SQL, Json, PDF, Notion
4/ 各类三方 API BingSearchAPI, GoogleSearchAPI
5/…
IT技术
( twitter.com)

IT技术

ChatPDF 支持了 GPT4V，看到 PDF 里的图表，可以使用新的选框工具进行标记，并获得解读。
另外说一下 4V 的 API 比想象中便宜很多。
这个技术的可用性非常之高。
IT技术
( www.chatpdf.com)

IT技术

一夜之间，OpenAI的API被墙了。混合双打墙内用户
时政
( twitter.com)

时政

劈柴真惨，和 GPT-4 同一天发布 PaLM API，结果没人鸟他
推特中文圈
( twitter.com)

推特中文圈

终于读完《智人之上》，把epub转成pdf，传到Notebooklm对话总结。
Epub转PDF：
NotebookLM：
天真的信息观
天真的信息观认为，信息的主要作用是呈现现实、揭示真相。
IT技术
( twitter.com)

IT技术

基于Vision LLM把PDF转为Markdown的一款工具：vision-parse
智能提取，精确识别文本、表格
可以保留文档的层级结构、样式
支持多页，支持本地部署
#PDF转Markdown
时政
( twitter.com)

时政

推特中文圈

Bard PDF
博客

博客

转自 “交个朋友”
【10刀API】
【10刀API】
【20刀API】
--
【聊天】
【聊天】
【聊天】
--
【翻译】
IT技术
( twitter.com)

IT技术

时政

时政

官方支持了 PDF 文件上传，结合 100k 的上下文，提供了丝滑的 PDF 问答体验。 比如这个19页的全球AI流量变化的PDF，让它总结出细分品类里依然在增长的AI网站。这个任务… IT技术 ( twitter.com)

IT技术

IT技术

王兴饭否合集PDF下载地址 IT技术 ( iz8nxlvq03.feishu.cn)

IT技术

IT技术

1/ 推荐一款基于 ChatGPT API 的读取 PDF 工具 ChatPDF：可以直接把需要阅读的 pitch deck、白皮书、文档、论文、图书喂给它，让它做总结和提问。 昨天使用 ChatGPT 的时候还在一段话一段话的… 币圈 ( twitter.com)

币圈

时政

微软与Adobe进一步合作，Office获得PDF支持 大陆资讯 ( www.tmtpost.com)

大陆资讯

IT技术

时政

时政

IT技术

Grok 现在支持将生成或者搜索的结果输出为PDF了 IT技术 ( twitter.com)

IT技术

看到不少人推荐 #ChatPDF， 上传 PDF 文件后调用 ChatGPT 生成总结和问答。刚好我申请的微软 New Bing 也通过了，用同一份 PDF 做了下比较，结论如下： 1. New Bing: 总结能力惊艳（见下图… 推特中文圈 ( twitter.com)

推特中文圈

发现一个可以购买 OpenAI API Key 的服务：，还聚合了许多能够使用 API Key 的工具。 现在直接买 Key 的成本比付费 API 还低，买了二十个用来刷 GPT I… 推特中文圈 ( twitter.com)

推特中文圈

卧槽， langflow 确实骚包的，野心很大 1/ 集成各类 llm 节点: openAI, Ollama, Anthropic, Qianfan 2/ 支持各类向量数据库 FAISS, Vectara, Pinecone 3/ 各类文件源 SQL, Json, PDF, Notion 4/ 各类三方 API BingSearchAPI, GoogleSearchAPI 5/… IT技术 ( twitter.com)

IT技术

ChatPDF 支持了 GPT4V，看到 PDF 里的图表，可以使用新的选框工具进行标记，并获得解读。 另外说一下 4V 的 API 比想象中便宜很多。 这个技术的可用性非常之高。 IT技术 ( www.chatpdf.com)

IT技术

一夜之间，OpenAI的API被墙了。混合双打墙内用户 时政 ( twitter.com)

时政

劈柴真惨，和 GPT-4 同一天发布 PaLM API，结果没人鸟他 推特中文圈 ( twitter.com)

推特中文圈

终于读完《智人之上》，把epub转成pdf，传到Notebooklm对话总结。 Epub转PDF： NotebookLM： 天真的信息观 天真的信息观认为，信息的主要作用是呈现现实、揭示真相。 IT技术 ( twitter.com)

IT技术

基于Vision LLM把PDF转为Markdown的一款工具：vision-parse 智能提取，精确识别文本、表格 可以保留文档的层级结构、样式 支持多页，支持本地部署 #PDF转Markdown 时政 ( twitter.com)

时政

推特中文圈

Bard PDF 博客

博客

转自 “交个朋友” 【10刀API】 【10刀API】 【20刀API】 -- 【聊天】 【聊天】 【聊天】 -- 【翻译】 IT技术 ( twitter.com)

IT技术

创建一个新帐户

登录

官方支持了 PDF 文件上传，结合 100k 的上下文，提供了丝滑的 PDF 问答体验。
比如这个19页的全球AI流量变化的PDF，让它总结出细分品类里依然在增长的AI网站。这个任务…
IT技术
( twitter.com)

王兴饭否合集PDF下载地址
IT技术
( iz8nxlvq03.feishu.cn)

1/ 推荐一款基于 ChatGPT API 的读取 PDF 工具 ChatPDF：可以直接把需要阅读的 pitch deck、白皮书、文档、论文、图书喂给它，让它做总结和提问。

昨天使用 ChatGPT 的时候还在一段话一段话的…
币圈
( twitter.com)

微软与Adobe进一步合作，Office获得PDF支持
大陆资讯
( www.tmtpost.com)

Grok 现在支持将生成或者搜索的结果输出为PDF了

IT技术
( twitter.com)

看到不少人推荐 #ChatPDF，上传 PDF 文件后调用 ChatGPT 生成总结和问答。刚好我申请的微软 New Bing 也通过了，用同一份 PDF 做了下比较，结论如下：

1. New Bing: 总结能力惊艳（见下图…
推特中文圈
( twitter.com)

发现一个可以购买 OpenAI API Key 的服务：，还聚合了许多能够使用 API Key 的工具。

现在直接买 Key 的成本比付费 API 还低，买了二十个用来刷 GPT I…
推特中文圈
( twitter.com)

卧槽， langflow 确实骚包的，野心很大
1/ 集成各类 llm 节点: openAI, Ollama, Anthropic, Qianfan
2/ 支持各类向量数据库 FAISS, Vectara, Pinecone
3/ 各类文件源 SQL, Json, PDF, Notion
4/ 各类三方 API BingSearchAPI, GoogleSearchAPI
5/…
IT技术
( twitter.com)

ChatPDF 支持了 GPT4V，看到 PDF 里的图表，可以使用新的选框工具进行标记，并获得解读。
另外说一下 4V 的 API 比想象中便宜很多。
这个技术的可用性非常之高。
IT技术
( www.chatpdf.com)

一夜之间，OpenAI的API被墙了。混合双打墙内用户
时政
( twitter.com)

劈柴真惨，和 GPT-4 同一天发布 PaLM API，结果没人鸟他
推特中文圈
( twitter.com)

终于读完《智人之上》，把epub转成pdf，传到Notebooklm对话总结。
Epub转PDF：
NotebookLM：
天真的信息观
天真的信息观认为，信息的主要作用是呈现现实、揭示真相。
IT技术
( twitter.com)

基于Vision LLM把PDF转为Markdown的一款工具：vision-parse
智能提取，精确识别文本、表格
可以保留文档的层级结构、样式
支持多页，支持本地部署
#PDF转Markdown
时政
( twitter.com)

Bard PDF
博客

转自 “交个朋友”
【10刀API】
【10刀API】
【20刀API】
--
【聊天】
【聊天】
【聊天】
--
【翻译】
IT技术
( twitter.com)