跳到正文

Ollama OCR for web

用 Ollama 视觉语言模型从图像提取文本

访问官网

ollama-ocr 是什么

ollama-ocr 被介绍为一个基于 Ollama 的光学字符识别(OCR)模型,借助 LLaVA、Llama 3.2 Vision 和 MiniCPM-V 2.6 等视觉语言模型从图像中提取文本。它开源免费,资料说明易于集成到各种项目中。

你可以用它做什么

  • 通过 OCR 模型从图像中提取文本
  • 处理单图像、多图像和视频输入
  • 以 Markdown、纯文本或 JSON 格式输出结果
  • 借助 Docker 在不同环境中部署运行

应用场景

  • 将图像文本识别集成进 Web 应用,提供在线文档扫描服务
  • 考察视觉语言模型在不同图像场景下的 OCR 性能
  • 自动化处理发票、合同等图像文档

上手流程

  • 安装 Ollama
  • 拉取 llama3.2-vision:11b、llava:13b 和 minicpm-v:8b 等所需模型
  • 克隆 ollama-ocr 仓库
  • 进入项目目录

优点与缺点

✓ 我们认可的地方

  • 开源免费且易于集成到各种项目
  • 提供详细的使用文档和示例

! 需要留意的地方

  • 识别依赖所选的视觉语言模型
  • 上手需要安装 Ollama 并拉取模型

常见问题

资料列出哪些模型?

资料列出 LLaVA、Llama 3.2 Vision 和 MiniCPM-V 2.6,上手步骤还给出 llama3.2-vision:11b、llava:13b 与 minicpm-v:8b。

支持哪些输出格式?

资料列出 Markdown、纯文本和 JSON 格式。

最后评测: 2026-11-15

更多 AI 图像生成 工具

查看全部 →

评测方法