Consulta de OCR para extracción de texto de imágenes mediante modelos visuales

Cuando nos enfrentamos a estructuras de texto complejas, o a contenidos de texto mixto, es bueno extraer el contenido utilizando la capacidad de OCR del modelo visual.

Los macromodelos multimodales o modelos visuales especializados pueden comprender el contenido de la imagen y recibir instrucciones para realizar la tarea de reconocimiento, y utilizaremos esta capacidad para que el resultado se ajuste a nuestros requisitos.

Se recomienda probar OCR Prompt en la siguiente herramienta: ChatGPT , Kimi y Qwen2-VL(Actualmente el más preciso)

Imagen de prueba:

La complejidad de esta imagen radica en la parte json oscurecida, que es entendida de diferentes maneras por diferentes grandes modelos

Los comandos simples suelen estar bien:

按照原文格式提取

Sólo se extrae una parte del contenido:

仅提取图片中的表格部分

Extraído y transcrito en texto de formato fijo:

识别图片后整理为MARKDOWN格式表格，请保持表格原始顺序、格式和语言

Extracción estructurada:

您的任务是将文件内容转录并格式化为 markdown。您的目标是创建一个结构良好、可读性强的 markdown 文档，该文档准确表示原始内容，同时添加适当的格式和标签。

请按照以下说明完成任务：

1. 仔细阅读整个文件内容。

2. 将内容转录为 markdown 格式，密切关注现有的格式和结构。

3. 如果您在原始内容中发现任何不清楚的格式，请自行判断添加适当的 markdown 格式以提高可读性和结构。

4. 对于表格、标题和目录，请添加以下标签：
- 表格：将整个表格括在 [TABLE] 和 [/TABLE] 标签中。如果表格内容在下一页继续，请合并表格内容。
- 标题（在每页开头重复的完整字符串）：括在 markdown 文件内的 [HEADER] 和 [/HEADER] 标签中。
- 目录：用 [TOC] 和 [/TOC] 标签括起来

5. 转录表格时：
- 如果表格跨越多页，请将内容合并为一个连贯的表格。
- 使用适当的 markdown 表格格式，表格结构使用竖线 (|) 和连字符 (-)。

6. 不要在转录中包含分页符。

7. 保持文档的逻辑流程和结构，确保使用 markdown 标题正确格式化章节和小节（# 表示主标题，## 表示副标题等）。

8. 根据需要对其他格式元素（如粗体、斜体、列表和代码块）使用适当的 markdown 语法。

10. 仅返回 markdown 格式的解析内容，包括表格、标题和目录的指定标签。

Extraer y traducir:

El comando de traducción que utilizo más a menudo se usa aquí, y también funciona de maravilla en OCR para extraer texto estructurado complejo:Traducción de la "plantilla de instrucciones en inglés" a "instrucciones en chino", conservando el formato original.