text-extract-api

将任何图像、PDF 或 Office 文档以超高精度转换为 Markdown 文本 或 JSON 结构化文档，包括表格数据、数字或数学公式。

该 API 基于 FastAPI 构建，并使用 Celery 进行异步任务处理。Redis 用于缓存 OCR 结果。

特性：

• 无云/外部依赖：您只需 PyTorch 基础的 OCR（EasyOCR）+ Ollama，通过 docker-compose 打包并配置好；所有数据均在您的开发/服务器环境中处理，不会发送到外部。
• PDF/Office 转 Markdown：采用多种 OCR 策略实现高精度转换，包括 llama3.2-vision、easyOCR、minicpm-v，以及基于远程 URL 的策略，如 marker-pdf。
• PDF/Office 转 JSON：利用 Ollama 支持的模型（例如 LLama 3.1）进行转换。
• LLM 改进 OCR 结果：LLama 在修正 OCR 文本中的拼写和文本问题方面表现优异。
• 去除 PII：此工具可用于从文档中移除个人身份信息——请参阅 examples。
• 分布式队列处理：使用 Celery 实现。
• 缓存：使用 Redis 缓存 OCR 结果，以便在 LLM 处理前快速访问。
• 存储策略：可切换的存储策略（Google Drive、本地文件系统等）。
• CLI 工具：用于提交任务和处理结果。

截图

将 MRI 报告转换为 Markdown + JSON。

python client/cli.py ocr_upload --file examples/example-mri.pdf --prompt_file examples/example-mri-2-json-prompt.txt

运行示例前，请先查看 入门指南。

将发票转换为 JSON 并移除 PII：

python client/cli.py ocr_upload --file examples/example-invoice.pdf --prompt_file examples/example-invoice-remove-pii.txt 

运行示例前，请先查看 入门指南。

入门指南

您可能希望直接在本地机器上运行该应用，用于开发目的，或者为了使用例如 Apple GPU（目前 Docker 尚不支持）。

前置条件

要使应用正常运行，请执行以下步骤：

下载并安装 Ollama 下载并安装 Docker

在远程主机上设置 Ollama

若要连接到外部 Ollama 实例，请设置环境变量：OLLAMA_HOST=http://address:port，例如：

OLLAMA_HOST=http(s)://127.0.0.1:5000

如果您想禁用本地 Ollama 模型，请使用环境变量 DISABLE_LOCAL_OLLAMA=1，例如：

DISABLE_LOCAL_OLLAMA=1 make install

注意：当本地 Ollama 被禁用时，请确保所需的模型已在外部实例上下载。

目前，DISABLE_LOCAL_OLLAMA 变量无法用于在 Docker 中禁用 Ollama。作为替代方案，您可以从 docker-compose.yml 或 docker-compose.gpu.yml 中移除 ollama 服务。

未来版本将支持在 Docker 环境中使用该变量。

克隆仓库

首先，克隆仓库并将当前目录切换到该目录：

git clone https://github.com/CatchTheTornado/text-extract-api.git
cd text-extract-api

使用 Makefile 设置

默认情况下，应用程序会创建一个 Python 虚拟环境：.venv。您可以在本地设置中通过在运行脚本前添加 DISABLE_VENV=1 来禁用此功能：

DISABLE_VENV=1 make install 

DISABLE_VENV=1 make run 

手动设置

配置环境变量：

cp .env.localhost.example .env.localhost

您也可以直接使用默认值，通常足够了。设置完环境变量后，执行以下命令：

python3 -m venv .venv
source .venv/bin/activate
pip install -e .
chmod +x run.sh
run.sh

此命令将安装所有依赖项——包括 Redis（通过 Docker），因此严格来说，这并不是完全无需 Docker 的运行方式 :)。

(MAC) - 依赖项

brew update && brew install libmagic poppler pkg-config ghostscript ffmpeg automake autoconf

(Mac) - 您需要启动 Celery 工作进程：

source .venv/bin/activate && celery -A text_extract_api.celery_app worker --loglevel=info --pool=solo

之后，您就可以运行一些 CLI 命令，例如：

python client/cli.py ocr_upload --file examples/example-mri.pdf --ocr_cache --prompt_file=examples/example-mri-remove-pii.txt

扩展并行处理能力

若需同时运行多个任务以实现并发处理，请运行以下命令启动单个工作进程：

celery -A text_extract_api.tasks worker --loglevel=info --pool=solo & # 若要扩展并发处理能力，请根据所需并发进程的数量重复执行此命令

加入我们的 Discord 社区

如有任何疑问、求助或反馈，请 加入我们的 Discord 社区！

文本提取策略

easyocr

Easy OCR 采用 Apache 许可证。它是一款通用 OCR 工具，支持 30 多种语言，尤其在英语识别方面表现优异。

默认启用。请使用 CLI 和 URL 参数中的 strategy=easyocr 来调用它。

minicpm-v

MiniCPM-V 是一种基于 Apache 许可证的 OCR 策略。

必须严格按照 MiniCPM 模型许可证.md 使用 MiniCPM-o/V 模型权重。

MiniCPM 的模型和权重对学术研究完全免费。填写 “问卷” 完成注册后，也可免费用于商业用途。

默认启用。请使用 CLI 和 URL 参数中的 strategy=minicpm_v 来调用它。

⚠️ 请务必先在 Ollama 中拉取模型
您需要在 Ollama 中拉取模型——使用以下命令：
python client/cli.py llm_pull --model minicpm-v
或者，如果您本地有 Ollama：ollama pull minicpm-v

llama_vision

LLama 3.2 Vision 策略根据 Meta 社区许可协议 授权。该模型支持多种语言，表现优异，但由于参数量高达 900 亿，因此可能是最慢的模型。

默认已启用。请使用 strategy=llama_vision CLI 和 URL 参数来调用此模型。顺便一提，它也是默认策略。

remote

一些 OCR 工具，例如 Marker，最先进的 PDF OCR，在超过 50 种语言上表现非常出色，包括对波兰语及其他通常较难识别的语言也有很高的准确度。

然而，marker-pdf 采用 GPL3 许可证授权，因此默认情况下并未包含在本应用中（因为我们受 MIT 许可证约束）。

这些模型的权重采用 CC-BY-NC-SA-4.0 许可证，但我将为以下组织免除该许可要求：最近 12 个月内总收入低于 500 万美元，且累计风险投资/天使轮融资总额也低于 500 万美元。此外，您还不得与 Datalab API 形成竞争关系。如果您希望解除 GPL 许可证的要求（采用双重许可）或在收入超过上述限制的情况下商业使用这些权重，请查看此处的选项。

要将其运行起来，您可以执行以下步骤：

mkdir marker-distribution # 此目录应位于 `text-extract-api` 文件夹之外！
cd marker-distribution
pip install marker-pdf
pip install -U uvicorn fastapi python-multipart
marker_server --port 8002

设置远程 API 地址：

注意：* 您可能在不同的端口或服务器上运行 marker_server，此时只需在启动 text-extract-api 服务器之前正确设置环境变量即可：

export REMOTE_API_URL=http://localhost:8002/marker/upload

注意：* 也可以通过 /config/strategies.yaml 文件设置该 URL。

运行 text-extract-api：

make run

请使用 strategy=remote CLI 和 URL 参数来调用此功能。例如：

curl -X POST -H "Content-Type: multipart/form-data" -F "file=@examples/example-mri.pdf" -F "strategy=remote" -F "ocr_cache=true" -F "prompt=" -F "model=" "http://localhost:8000/ocr/upload"

我们通过远程 OCR 的 API 进行连接，以避免因源代码层面的直接集成而共享相同的 GPL3 许可证。

使用 Docker 入门

前置条件

• Docker
• Docker Compose

克隆仓库

git clone https://github.com/CatchTheTornado/text-extract-api.git
cd text-extract-api

使用 Makefile

您可以使用 make install 和 make run 命令来设置 text-extract-api 的 Docker 环境。下面列出了手动完成相同操作所需的步骤。

手动设置

在根目录下创建 .env 文件，并设置必要的环境变量。您可以以 .env.example 文件作为模板：

# Docker 实例的默认配置
cp .env.example .env

或者

# 本地运行的默认配置
cp .env.example.localhost .env

然后修改文件中的变量：

#APP_ENV=production # 将应用设置为生产模式，否则为开发模式并支持代码更改时自动重新加载
REDIS_CACHE_URL=redis://localhost:6379/1
STORAGE_PROFILE_PATH=./storage_profiles
LLAMA_VISION_PROMPT="你是一名 OCR，将图像转换为 Markdown 格式。"

# CLI 设置
OCR_URL=http://localhost:8000/ocr/upload
OCR_UPLOAD_URL=http://localhost:8000/ocr/upload
OCR_REQUEST_URL=http://localhost:8000/ocr/request
RESULT_URL=http://localhost:8000/ocr/result/
CLEAR_CACHE_URL=http://localhost:8000/ocr/clear_cache
LLM_PULL_API_URL=http://localhost:8000/llm_pull
LLM_GENERATE_API_URL=http://localhost:8000/llm_generate

CELERY_BROKER_URL=redis://localhost:6379/0
CELERY_RESULT_BACKEND=redis://localhost:6379/0
OLLAMA_HOST=http://localhost:11434
APP_ENV=development  # 默认为开发模式

注意： 为了正确保存输出文件，您可能需要修改 storage_profiles/default.yaml，将默认存储路径调整为与 docker-compose.yml 中定义的卷路径一致。

构建并运行 Docker 容器

使用 Docker Compose 构建并运行容器：

docker-compose up --build

若需 GPU 支持，请运行：

docker-compose -f docker-compose.gpu.yml -p text-extract-api-gpu up --build

注意： 在 Mac 上，Docker 不支持 Apple 的 GPU。在这种情况下，您可以尝试不使用 Docker Compose 而直接运行应用程序，请参阅如何在本地运行并支持 GPU。

这将启动以下服务：

• FastAPI 应用程序：运行 FastAPI 应用。
• Celery 工作进程：处理异步 OCR 任务。
• Redis：缓存 OCR 结果。
• Ollama：运行 Ollama 模型。

云端付费版

如果本地部署过于繁琐，请联系我们获取托管/云版本 的 text-extract-api，我们可以为您搭建并按使用量计费。

CLI 工具

注意： 在 Mac 上，您可能需要先创建一个虚拟 Python 环境：

python3 -m venv .venv
source .venv/bin/activate
# 现在您可以在虚拟环境中使用 `python` 和 `pip`。
pip install -e . # 安装主项目所需依赖

该项目包含一个用于与 API 交互的 CLI。要使其正常工作，请先执行以下命令：

cd client
pip install -e .

下载 LLama3.1 和 LLama3.2-vision 模型

您可以尝试测试 LLama 支持的各种模型。

python client/cli.py llm_pull --model llama3.1
python client/cli.py llm_pull --model llama3.2-vision

这些模型是 text-extract-api 支持大多数功能所必需的。

上传文件进行 OCR（转换为 Markdown）

python client/cli.py ocr_upload --file examples/example-mri.pdf --ocr_cache

或者也可以使用：

python client/cli.py ocr_request --file examples/example-mri.pdf --ocr_cache

两者的区别在于，前者使用 ocr/upload 接口，以多部分表单数据形式上传文件；而后者则通过发送 Base64 编码的 JSON 数据来请求 ocr/request 接口，这种方式可能更适合较小的文件。

上传文件进行 OCR 处理（由 LLM 处理）

重要提示： 若要使用 LLM，您必须先运行 llm_pull 命令，以获取您的请求所需的特定模型。

例如，您需要运行以下命令：

python client/cli.py llm_pull --model llama3.1
python client/cli.py llm_pull --model llama3.2-vision

然后才能运行此特定的提示查询：

python client/cli.py ocr_upload --file examples/example-mri.pdf --ocr_cache --prompt_file=examples/example-mri-remove-pii.txt --language en

注意： language 参数用于 OCR 策略，以加载所选语言的模型权重。您可以指定多个语言，用逗号分隔：en,de,pl 等。

ocr 命令可以使用 storage_profiles 存储结果：

• storage_profile：用于保存结果；默认使用 default 配置文件（./storage_profiles/default.yaml），如果为空则不保存文件。
• storage_filename：输出文件名——基于存储配置文件中设置的 root_path 的相对路径，默认为 /storage 文件夹下的相对路径；支持动态格式化占位符：{file_name}、{file_extension}、{Y}、{mm}、{dd}——用于日期格式化，{HH}、{MM}、{SS}——用于时间格式化。

上传文件进行 OCR 处理（由 LLM 处理），并将结果存储到磁盘

python client/cli.py ocr_upload --file examples/example-mri.pdf --ocr_cache --prompt_file=examples/example-mri-remove-pii.txt  --storage_filename "invoices/{Y}/{file_name}-{Y}-{mm}-{dd}.md"

根据任务 ID 获取 OCR 结果

python client/cli.py result --task_id {your_task_id_from_upload_step}

列出按 storage_profile 归档的文件结果

python client/cli.py list_files 

若要使用特定的存储配置文件（例如 Google Drive），请运行：

python client/cli.py list_files  --storage_profile gdrive

加载按 storage_profile 归档的文件结果

python client/cli.py load_file --file_name "invoices/2024/example-invoice-2024-10-31-16-33.md"

删除按 storage_profile 归档的文件结果

python client/cli.py delete_file --file_name "invoices/2024/example-invoice-2024-10-31-16-33.md" --storage_profile gdrive

或对于默认配置文件（本地文件系统）：

python client/cli.py delete_file --file_name "invoices/2024/example-invoice-2024-10-31-16-33.md" 

清除 OCR 缓存

python client/cli.py clear_cache

测试 LLama

python llm_generate --prompt "Your prompt here"

API 客户端

您可能希望使用专用的 API 客户端来使用 text-extract-api。

Typescript

有一个专门针对 Typescript 的 API 客户端——text-extract-api-client，以及同名的 npm 包：

npm install text-extract-api-client

使用方法：

import { ApiClient, OcrRequest } from 'text-extract-api-client';
const apiClient = new ApiClient('https://api.doctractor.com/', 'doctractor', 'Aekie2ao');
const formData = new FormData();
formData.append('file', fileInput.files[0]);
formData.append('prompt', '将文件转换为 JSON 并仅返回 JSON'); // 如果未提供，则不会进行 LLM 转换，仅执行 OCR
formData.append('strategy', 'llama_vision');
formData.append('model', 'llama3.1');
formData.append('ocr_cache', 'true');

apiClient.uploadFile(formData).then(response => {
    console.log(response);
});

端点

通过文件上传的 OCR 端点 / 多部分数据

• URL: /ocr/upload
• 方法: POST
• 参数:
  • file: 待处理的 PDF、图像或 Office 文件。
  • strategy: 要使用的 OCR 策略（llama_vision、minicpm_v、remote 或 easyocr）。请参阅 可用策略。
  • ocr_cache: 是否缓存 OCR 结果（true 或 false）。
  • prompt: 如果提供，则用于 Ollama 处理 OCR 结果。
  • model: 与 prompt 一起提供时，该模型将用于 LLM 处理。
  • storage_profile: 用于保存结果；默认使用 default 配置文件（./storage_profiles/default.yaml），如果为空则不保存文件。
  • storage_filename: 输出文件名——基于存储配置文件中设置的 root_path 的相对路径，默认为 /storage 文件夹下的相对路径；支持动态格式化占位符：{file_name}、{file_extension}、{Y}、{mm}、{dd}——用于日期格式化，{HH}、{MM}、{SS}——用于时间格式化。
  • language: OCR 用于加载语言权重的一个或多个语言代码（如 en 或 en,pl,de）。

示例：

curl -X POST -H "Content-Type: multipart/form-data" -F "file=@examples/example-mri.pdf" -F "strategy=easyocr" -F "ocr_cache=true" -F "prompt=" -F "model=" "http://localhost:8000/ocr/upload" 

通过 JSON 请求的 OCR 端点

• URL: /ocr/request
• 方法: POST
• 参数（JSON 主体）：
  • file: Base64 编码的 PDF 文件内容。
  • strategy: 要使用的 OCR 策略（llama_vision、minicpm_v、remote 或 easyocr）。请参阅 可用策略。
  • ocr_cache: 是否缓存 OCR 结果（true 或 false）。
  • prompt: 如果提供，则用于 Ollama 处理 OCR 结果。
  • model: 与 prompt 一起提供时，该模型将用于 LLM 处理。
  • storage_profile: 用于保存结果；默认使用 default 配置文件（/storage_profiles/default.yaml），如果为空则不保存文件。
  • storage_filename: 输出文件名——基于存储配置文件中设置的 root_path 的相对路径，默认为 /storage 文件夹下的相对路径；支持动态格式化占位符：{file_name}、{file_extension}、{Y}、{mm}、{dd}——用于日期格式化，{HH}、{MM}、{SS}——用于时间格式化。
  • language: OCR 用于加载语言权重的一个或多个语言代码（如 en 或 en,pl,de）。

示例：

curl -X POST "http://localhost:8000/ocr/request" -H "Content-Type: application/json" -d '{
  "file": "<base64-encoded-file-content>",
  "strategy": "easyocr",
  "ocr_cache": true,
  "prompt": "",
  "model": "llama3.1",
  "storage_profile": "default",
  "storage_filename": "example.md"
}'

OCR 结果端点

• URL: /ocr/result/{task_id}
• 方法: GET
• 参数：
  • task_id: OCR 端点返回的任务 ID。

示例：

curl -X GET "http://localhost:8000/ocr/result/{task_id}"

清除 OCR 缓存端点

• URL: /ocr/clear_cache
• 方法: POST

示例：

curl -X POST "http://localhost:8000/ocr/clear_cache"

Ollama 终端点

• URL: /llm/generate
• 方法: POST
• 参数:
  • prompt: 用于 Ollama 模型的提示。
  • model: 要查询的模型名称。

示例：

curl -X POST "http://localhost:8000/llm/generate" -H "Content-Type: application/json" -d '{"prompt": "您的提示在此", "model":"llama3.1"}'

列出存储文件：

• URL: /storage/list
• 方法: GET
• 参数:
  • storage_profile: 用于列出文件的存储配置文件名称（默认值为 default）。

下载存储文件：

• URL: /storage/load
• 方法: GET
• 参数:
  • file_name: 要从存储中加载的文件名。
  • storage_profile: 用于列出文件的存储配置文件名称（默认值为 default）。

删除存储文件：

• URL: /storage/delete
• 方法: DELETE
• 参数:
  • file_name: 要从存储中删除的文件名。
  • storage_profile: 用于列出文件的存储配置文件名称（默认值为 default）。

存储配置文件

该工具可以使用不同的存储策略和存储配置文件自动保存结果。存储配置文件通过 YAML 配置文件在 /storage_profiles 中进行设置。

本地文件系统

strategy: local_filesystem
settings:
  root_path: /storage # 文件将被存储的根路径 - 在 Docker 文件中挂载一个合适的文件夹以匹配此路径
  subfolder_names_format: "" # 例如：by_months/{Y}-{mm}/
  create_subfolders: true

Google Drive

strategy: google_drive
settings:
## 如何启用 GDrive API：https://developers.google.com/drive/api/quickstart/python?hl=pl

  service_account_file: /storage/client_secret_269403342997-290pbjjlb06nbof78sjaj7qrqeakp3t0.apps.googleusercontent.com.json
  folder_id:

其中，service_account_file 是包含授权凭据的 JSON 文件。请参阅 此处 了解如何启用 Google Drive API 并准备此授权文件。

注意：服务账户与您用于 Google Workspace 的账户不同（文件不会在 UI 中可见）。

Amazon S3 - 云对象存储

strategy: aws_s3
settings:
  bucket_name: ${AWS_S3_BUCKET_NAME}
  region: ${AWS_REGION}
  access_key: ${AWS_ACCESS_KEY_ID}
  secret_access_key: ${AWS_SECRET_ACCESS_KEY}

AWS S3 访问密钥的要求

1. 访问密钥的所有权
   访问密钥必须属于具有 S3 操作权限的 IAM 用户或角色。

2. IAM 策略示例
   附加到用户或角色的 IAM 策略必须允许必要的操作。以下是一个授予 S3 存储桶访问权限的策略示例：

   {
       "Version": "2012-10-17",
       "Statement": [
           {
               "Effect": "Allow",
               "Action": [
                   "s3:PutObject",
                   "s3:GetObject",
                   "s3:ListBucket",
                   "s3:DeleteObject"
               ],
               "Resource": [
                   "arn:aws:s3:::your-bucket-name",
                   "arn:aws:s3:::your-bucket-name/*"
               ]
           }
       ]
   }
   

接下来，请在相应的 .env 文件（例如 .env、.env.localhost）中填写所需的 AWS 凭证：

AWS_ACCESS_KEY_ID=您的访问密钥 ID
AWS_SECRET_ACCESS_KEY=您的秘密访问密钥
AWS_REGION=您的区域
AWS_S3_BUCKET_NAME=您的存储桶名称

许可证

本项目采用 MIT 许可证授权。详情请参阅 LICENSE 文件。

联系方式

如有任何问题，请联系我们：info@catchthetornado.com

text-extract-api 快速上手指南

text-extract-api 是一个基于 FastAPI 和 Celery 构建的开源工具，能够将图片、PDF 或 Office 文档高精度地转换为 Markdown 文本或结构化 JSON 数据。它支持表格、数字和数学公式的提取，并利用本地运行的 Ollama (LLM) 优化 OCR 结果及去除敏感信息 (PII)，所有数据处理均在本地完成，无需上传云端。

环境准备

系统要求

• 操作系统: Linux, macOS, Windows (需 WSL2)
• 硬件:
  • 常规运行：标准 CPU
  • 高性能/加速：推荐 NVIDIA GPU 或 Apple Silicon (M1/M2/M3)
• 内存: 建议 8GB 以上（运行大模型如 Llama 3.2 Vision 需更多内存）

前置依赖

在开始之前，请确保安装以下软件：

1. Docker & Docker Compose (推荐方式)

   • Docker 官网下载

2. Ollama (用于运行本地大模型)

   • Ollama 官网下载
   • 国内用户提示: 如果下载模型缓慢，可配置 OLLAMA_HOST 指向国内部署的 Ollama 服务，或使用代理加速。

3. 基础开发工具 (仅针对非 Docker 原生运行模式，macOS 用户必装)

   brew update && brew install libmagic poppler pkg-config ghostscript ffmpeg automake autoconf
   

安装步骤

本项目推荐使用 Docker 进行部署，以最快速度启动所有依赖服务（包括 Redis, Celery, Ollama）。

方法一：使用 Docker Compose (推荐)

1. 克隆仓库

   git clone https://github.com/CatchTheTornado/text-extract-api.git
   cd text-extract-api
   

2. 配置环境变量 复制示例配置文件：

   cp .env.example .env
   

   注：通常默认配置即可直接使用。如需连接外部 Ollama，请在 .env 中设置 OLLAMA_HOST=http://your-ip:11434。

3. 启动服务

   • 普通启动 (CPU 模式):

     docker-compose up --build
     

   • GPU 加速启动 (需 NVIDIA GPU):

     docker-compose -f docker-compose.gpu.yml -p text-extract-api-gpu up --build
     

   注意：macOS 用户由于 Docker 不支持调用 Apple GPU，建议使用下方的“方法二”进行原生安装以获得最佳性能。

方法二：本地原生安装 (适合 macOS 或开发者调试)

1. 克隆仓库

   git clone https://github.com/CatchTheTornado/text-extract-api.git
   cd text-extract-api
   

2. 创建虚拟环境并安装依赖

   python3 -m venv .venv
   source .venv/bin/activate
   pip install -e .
   

3. 启动 Redis 该工具依赖 Redis 进行缓存，请确保本地已安装并运行 Redis，或通过 Docker 单独启动：

   docker run -d -p 6379:6379 redis
   

4. 启动 Celery Worker (macOS 必需步骤)

   source .venv/bin/activate && celery -A text_extract_api.celery_app worker --loglevel=info --pool=solo
   

   建议在另一个终端窗口运行此命令，保持后台运行。

5. 启动主应用

   chmod +x run.sh
   ./run.sh
   

6. 拉取必要的 AI 模型 在使用前，需通过 Ollama 拉取默认策略所需的模型（例如 MiniCPM-V 或 Llama）：

   ollama pull minicpm-v
   # 或者
   ollama pull llama3.2-vision
   

基本使用

安装完成后，你可以使用自带的 CLI 工具或 HTTP API 进行文档转换。

1. 使用 CLI 工具转换 PDF 为 Markdown

将示例中的 MRI 报告转换为 Markdown 格式：

python client/cli.py ocr_upload --file examples/example-mri.pdf --ocr_cache

2. 使用 CLI 工具转换发票为 JSON 并去除敏感信息 (PII)

利用 LLM 能力提取结构化数据并自动抹去个人隐私信息：

python client/cli.py ocr_upload --file examples/example-invoice.pdf --prompt_file examples/example-invoice-remove-pii.txt

3. 指定 OCR 策略

你可以通过 --strategy 参数选择不同的识别引擎：

• EasyOCR (默认，速度快，适合英文):

  python client/cli.py ocr_upload --file example.pdf --strategy=easyocr
  

• MiniCPM-V (适合多语言，需先 ollama pull minicpm-v):

  python client/cli.py ocr_upload --file example.pdf --strategy=minicpm_v
  

• Llama 3.2 Vision (精度最高但速度较慢，需先 ollama pull llama3.2-vision):

  python client/cli.py ocr_upload --file example.pdf --strategy=llama_vision
  

4. 直接调用 HTTP API

如果你更喜欢直接发送 HTTP 请求：

curl -X POST -H "Content-Type: multipart/form-data" \
  -F "file=@examples/example-mri.pdf" \
  -F "strategy=llama_vision" \
  -F "ocr_cache=true" \
  http://localhost:8000/ocr/upload

服务默认运行在 http://localhost:8000。转换任务提交后，可通过返回的任务 ID 查询结果。