---

安装

npm i llama-ocr

使用

import { ocr } from "llama-ocr";

const markdown = await ocr({
  filePath: "./trader-joes-receipt.jpg", // 您图片的路径（不久将支持 PDF！）
  apiKey: process.env.TOGETHER_API_KEY, // Together AI 的 API 密钥
});

托管演示

我们在 LlamaOCR.com 上提供了一个托管演示，您可以在这里试用！

工作原理

该库使用 Together AI 提供的免费 Llama 3.2 端点来解析图像并返回 Markdown 格式。同时，还提供了 Llama 3.2 11B 和 Llama 3.2 90B 的付费端点，以获得更快的性能和更高的速率限制。

您可以通过 model 选项来控制使用的模型，默认设置为 Llama-3.2-90B-Vision，但也支持 free 或 Llama-3.2-11B-Vision。

路线图

• 添加对本地图片 OCR 的支持
• 添加对远程图片 OCR 的支持
• 添加对单页 PDF 的支持
• 添加对多页 PDF OCR 的支持（对 PDF 进行截图后输入视觉模型）
• 在 Markdown 之外添加对 JSON 输出的支持

致谢

该项目受到 Zerox 的启发。快去看看吧！

Llama OCR 快速上手指南

Llama OCR 是一个基于 Llama 3.2 Vision 模型的 npm 库，可免费将图片转换为 Markdown 文本。

环境准备

• 运行时环境：Node.js (推荐 v18 或更高版本)
• 依赖项：无特殊系统依赖，需具备网络连接以调用 Together AI 接口
• API Key：需要 Together AI 的 API Key（注册后可获取免费额度）

安装步骤

使用 npm 安装：

npm i llama-ocr

提示：国内开发者若遇到下载缓慢问题，可配置淘宝镜像源加速：

npm config set registry https://registry.npmmirror.com
npm i llama-ocr

基本使用

以下是最简单的使用示例，将本地图片转换为 Markdown 格式：

import { ocr } from "llama-ocr";

const markdown = await ocr({
  filePath: "./trader-joes-receipt.jpg", // 替换为你的图片路径
  apiKey: process.env.TOGETHER_API_KEY, // 填入你的 Together AI API Key
});

console.log(markdown);

参数说明：

• filePath：本地图片文件的路径（目前支持图片，PDF 支持正在开发中）。
• apiKey：你的 Together AI 密钥，建议通过环境变量管理。
• model（可选）：默认使用 Llama-3.2-90B-Vision。如需使用免费端点，可设置为 free 或 Llama-3.2-11B-Vision。