跳到正文

LLM-Aided OCR

用大语言模型整理原始 OCR 文本

访问官网

LLM-Aided OCR 是什么

LLM-Aided OCR 被介绍为一个提升光学字符识别输出质量的系统,用自然语言处理与大语言模型把原始识别文本整理成准确、易读的文档。

你可以用它做什么

  • 把 PDF 页面转换为图像
  • 用 Tesseract 执行 OCR
  • 用 LLM 做高级错误校正

上手流程

  • 把 PDF 文件放进项目目录
  • 在主要函数中设置输入 PDF 路径
  • 运行 Python 脚本

优点与缺点

✓ 我们认可的地方

  • 原始 OCR 文本会被整理成易读文档
  • 可选择性抑制页眉和页码

! 需要留意的地方

  • 流程从把 PDF 放入项目目录开始
  • 错误校正可走本地或 API 两种方式

常见问题

用哪个 OCR 引擎?

功能列表写明使用 Tesseract 进行 OCR。

怎么运行?

步骤说明设置输入 PDF 路径后运行 Python 脚本。

最后评测: 2026-11-15

更多 AI 音频工具 工具

查看全部 →

评测方法