Llama OCR: biblioteca de OCR que converte imagens em Markdown em três linhas de código usando a interface Llama 3.2 Vision gratuita

Introdução geral

O Llama OCR é uma biblioteca de OCR (reconhecimento óptico de caracteres) baseada no Llama 3.2 Vision que converte documentos para o formato Markdown. A biblioteca foi desenvolvida pela Nutlope e usa o Juntos A interface gratuita Llama 3.2 fornecida pela AI analisa imagens e retorna texto Markdown. O Llama OCR é compatível com OCR de imagens locais e remotas, com suporte para OCR de arquivos PDF planejado para o futuro. O npm instala a biblioteca e facilita a invocação de sua funcionalidade em projetos.

Itens de referência: Zerox

Demonstração: https://llamaocr.com/

Confie na interface gratuita do Meta Llama Vision fornecida pela together: https://api.together.ai/models/meta-llama/Llama-Vision-Free

Mais modelos visuais gratuitos:Plataforma aberta Smart Spectrum, o primeiro modelo de visão multimodal gratuito GLM-4V-Flash on-line, uso ilimitado!

Lista de funções

• OCR de imagemReconhecimento óptico de caracteres: suporta o reconhecimento óptico de caracteres de imagens locais e remotas.
• Saída MarkdownMarkdown: converte o texto reconhecido para o formato Markdown.
• Suporte a vários modelosInterface do modelo Llama 3.2: interfaces gratuitas e pagas estão disponíveis para atender a diferentes requisitos de desempenho.
• Integração de APIAnálise de imagem por meio da API do Together AI.
• funções futurasO programa suporta o processamento de OCR de PDFs de uma ou várias páginas, bem como a saída no formato JSON.

Usando a Ajuda

Processo de instalação

1. Certifique-se de que o ambiente do Node.js esteja instalado.
2. Instale a biblioteca Llama OCR usando o npm:

   npm i llama-ocr

Uso

1. Importar a biblioteca Llama OCR:

   importar { ocr } de "llama-ocr".

2. invocações ocr para análise de imagens:

   const markdown = await ocr({
filePath: ". /trader-joes-receipt.jpg", // caminho do arquivo de imagem
apiKey: process.env.TOGETHER_API_KEY, // Chave da API do Together AI
});

3. Processa o texto Markdown retornado:

   console.log(markdown);

Operação detalhada da função

• OCR de imagempassa o caminho do arquivo de imagem para o ocr você pode obter o conteúdo de texto da imagem.
• Saída MarkdownTexto analisado: O texto analisado é convertido automaticamente para o formato Markdown para facilitar o uso em documentos.
• Suporte a vários modelos: Ao definir o modelo diferentes modelos do Llama 3.2 podem ser selecionados (por exemplo Llama-3.2-90B-Vision talvez Llama-3.2-11B-Vision) para atender a diferentes necessidades de desempenho.
• Integração de API: A chave de API do Together AI precisa ser definida em uma variável de ambiente para chamar sua interface para análise de imagens.

Código de amostra (computação)

importar { ocr } de "llama-ocr".
função assíncrona runOCR() {
const markdown = await ocr({
filePath: ". /example-image.jpg",
apiKey: "your-together-ai-api-key",
});
console.log(markdown);
}
runOCR();

funções futuras

• Suporte em PDF: As versões futuras darão suporte ao OCR de arquivos PDF de uma e várias páginas.
• Saída JSONAlém do formato Markdown, a saída JSON será suportada para facilitar o processamento e a integração de dados.

Com as etapas acima, os usuários podem instalar e usar facilmente a biblioteca Llama OCR para converter o conteúdo de texto em imagens para o formato Markdown, melhorando a eficiência do processamento de documentos.

O guia do leigo para começar a usar a IA

Ajuda você a aprender a utilizar as ferramentas de IA com baixo custo e a partir de uma base zero.A IA, assim como o software de escritório, é uma habilidade essencial para todos. Dominar a IA lhe dará uma vantagem em sua busca de emprego e metade do esforço em seu trabalho e estudos futuros.

Ver detalhes>