Ollama-OCR

收录理由

从图片和PDF里提取文字，通常要么部署专门的OCR引擎，要么自己写一大堆胶水代码。这个包直接把文件交给通过Ollama在本地运行的视觉语言模型，省掉了那些麻烦。你可以在LLaVA、Llama 3.2 Vision、Moondream等模型之间切换，调用代码完全不用改。它输出的不只是纯文本，还能生成Markdown、JSON、键值对和表格数据，用来把发票和表单数字化很顺手。批量处理自带进度跟踪，自定义提示词也能覆盖常见的自动化场景。自带的Streamlit界面让不熟悉技术的人也能拖拽文件来运行同样的功能。不同模型的准确率有差异，处理重要文档前最好先用小模型试试效果，确认输出靠谱再正式用。