Vision Parse: conversión inteligente de documentos PDF al formato Markdown mediante modelos de lenguaje visual

Introducción general

Vision Parse es una revolucionaria herramienta de procesamiento de documentos que combina de forma inteligente la tecnología más avanzada de modelado de lenguaje visual (Vision Language Models) para convertir de forma inteligente documentos PDF en contenidos de alta calidad en formato Markdown. La herramienta es compatible con una variedad de modelos de lenguaje visual superior, incluyendo OpenAI, LLama y Google Gemini, etc, puede extraer con precisión el texto y las tablas en el documento, y mantener la estructura jerárquica del documento original, el estilo y la sangría.Vision Parse no sólo es compatible con el procesamiento de varias páginas PDF, sino que también proporciona un modelo local de opciones de despliegue, de modo que los usuarios pueden estar en el mismo tiempo para garantizar que la seguridad del documento procesamiento fuera de línea. Su sencillo diseño de la API permite a los desarrolladores lograr tareas complejas de conversión de documentos con sólo unas pocas líneas de código, mejorando en gran medida la eficiencia y la precisión del procesamiento de documentos.

Lista de funciones

• Extracción inteligente de contenidos: utilice modelos avanzados de lenguaje visual para reconocer y extraer con precisión el contenido de textos y tablas.
• Integridad del formato: mantiene la estructura jerárquica completa, el estilo y el formato de sangría del documento.
• Compatibilidad multimodelo: compatible con OpenAI, LLama, Gemini y otros proveedores de modelos de lenguaje visual.
• Procesamiento de PDF multipágina: la compatibilidad con documentos PDF multipágina se convertirá en imágenes codificadas en base64 para su procesamiento.
• Despliegue local de modelos: Ollama admite el despliegue local de modelos para la seguridad de los documentos y el uso sin conexión.
• Configuración personalizada: admite parámetros de procesamiento de PDF personalizados, como PPP, espacio de color, etc.
• API flexible: proporciona una interfaz API Python sencilla e intuitiva.

Utilizar la ayuda

1. Preparación de la instalación

Requisitos básicos:

• Python 3.9 o superior
• Para utilizar el modelo local, es necesario instalar Ollama.
• Para utilizar OpenAI o Google Gemini es necesario disponer de la clave API correspondiente.

Pasos de la instalación:

1. Utilice pip para instalar el paquete base:

pip install vision-parse

2. Instale las dependencias adicionales necesarias:

• Soporte OpenAI:pip install 'vision-parse[openai]'
• Apoyo a Géminis:pip install 'vision-parse[gemini]'

2. Uso básico

Código de ejemplo:

from vision_parse import VisionParser
# 初始化解析器
parser = VisionParser(
model_name="llama3.2-vision:11b",  # 使用本地模型
temperature=0.4,
top_p=0.3,
extraction_complexity=False  # 设置为True获取更详细的提取结果
)
# 转换PDF文件
pdf_path = "your_document.pdf"
markdown_pages = parser.convert_pdf(pdf_path)
# 处理转换结果
for i, page_content in enumerate(markdown_pages):
print(f"\n--- 第 {i+1} 页 ---\n{page_content}")

3. Configuración avanzada

Configuración de la página PDF:

from vision_parse import VisionParser, PDFPageConfig
# 配置PDF处理设置
page_config = PDFPageConfig(
dpi=400,
color_space="RGB",
include_annotations=True,
preserve_transparency=False
)
# 使用自定义配置初始化解析器
parser = VisionParser(
model_name="llama3.2-vision:11b",
temperature=0.7,
top_p=0.4,
page_config=page_config
)

4. Modelos de apoyo

Vision Parse es compatible con una amplia gama de modelos de lenguaje visual convencionales:

• Modelos OpenAI: gpt-4o, gpt-4o-mini
• Modelos Google Gemini: gemini-1.5-flash, gemini-2.0-flash-exp, gemini-1.5-pro
• Meta Llama y Llava (a través de Ollama): llava:13b, llava:34b, llama3.2-vision:11b, llama3.2-vision:70b

5. Técnicas de utilización

• Elegir el modelo adecuado: elige un modelo local o un servicio basado en la nube según tus necesidades
• Ajuste de los parámetros: la creatividad y la precisión de la salida se ajustan mediante los parámetros temperatura y top_p.
• Complejidad de la extracción: para documentos complejos, se recomienda definir extraction_complexity=True
• Despliegue local: La documentación sensible sugiere el uso de Ollama para el despliegue local del modelo.
• Configuración de PDF: según las características del documento para ajustar los PPP y el espacio de color y otros parámetros.