想必大家有些感受，PDF 文件已经成为我们工作生活中不可或缺的一个小内容。
但当我们面对那些质量不佳、格式混乱的扫描版PDF时，提取其中的文字内容常常让人头疼。虽然OCR（光学字符识别）技术已经帮助我们大大简化了这一过程，但它的识别精度和排版格式往往令人不满意。
这时候，你可能会希望有一种更智能、更高效的解决方案，能让PDF文件处理变得更简单和准确。
本篇文章为大家分享一款基于 LLM 的 OCR 扫描 PDF 开源工具：LLM-Aided OCR。
01、项目简介
LLM-Aided OCR 是一款基于多模态大语言模型（LLM）的开源 OCR 工具。
它能够将原始的 OCR 扫描 PDF 文本转换成高准确度、格式正确且易于阅读的 Markdown 文档。通过结合 OCR 和 LLM 技术，解决传统 OCR 工具在文本转换中的精度问题，大大提高了最终文档的质量。
02、高效的PDF文本提取流程：从扫描到MarkDown
LLM-Aided OCR 的处理流程非常清晰，包含以下几个关键步骤：
- • PDF 转换为图像：首先将 PDF 文件转化为图像格式，便于进行 OCR 扫描。
- • OCR 处理：利用 OCR 技术扫描图像，提取出文中的文本内容。
- • LLM 纠错：通过本地 LLM 或 API 对 OCR 提取的文本进行纠错与格式调整，确保文本的准确性和可读性。
- • 生成 Markdown：最后将处理后的文本转换为 Markdown 格式输出，方便后续编辑和使用。
