OCR AI

PDF Extractor

• gptpdf - 使用 OpenAI API 提取 PDF 內容，輸出為 Markdown 格式。 
• omniparse - PDF to Markdown
  
  • GitHub: https://github.com/adithya-s-k/omniparse 
• PDF-Extract-Kit - Layout Detection, Formula Detection, Formula Recognition
  
• Marker - Marker converts PDF to markdown quickly and accurately.
  • Video: Marker: This Open-Source Tool will make your PDFs LLM Ready - YouTube
• Mathpix (cloud)
• tabled - 提取表格內容
• MarkItDown - Microsoft 開發的各種類型檔案轉換成 Markdown 格式，支援指令與 Python API 兩種方式
• MinerU - 一站式開源高品質資料提取工具，將PDF轉換成Markdown和JSON格式。
• OpenDataLoader PDF - PDF parser for AI data extraction — Extract Markdown, JSON (with bounding boxes), and HTML from any PDF.

OCR

• OCRFlux is a multimodal large language model based toolkit for converting PDFs and images into clean, readable, plain Markdown text.

dots.ocr

是一款強大的多語言文件解析器，能在單一視覺語言模型中整合版面檢測與內容識別功能，同時維持良好的閱讀順序。儘管其基礎模型僅採用精簡的 1.7B參數大型語言模型架構，仍能達到頂尖技術水準（SOTA）的表現。 

• GitHub: https://github.com/rednote-hilab/dots.ocr 
• YT: https://www.youtube.com/watch?v=t_8ZgUIgnLo 
• 🚀重磅开源！本地部署1.7B参数超强OCR大模型dots.ocr！超越GPT-4o和olmOCR！结构化精准提取复杂PDF扫描件！完美识别中英文文档、模糊扫描件与复杂表格！文档解析准确率接近100%！ - AI超元域的博客

DeepSeek-OCR

只有3B參數，採用「光學上下文壓縮」技術，將文字視為圖像，利用視覺token進行壓縮和理解，把長文字轉換成圖像進行處理，極大地降低了計算資源消耗。

• GitHub: https://github.com/deepseek-ai/DeepSeek-OCR 
• GitHub: https://github.com/deepseek-ai/DeepSeek-OCR-2 
• HF: https://huggingface.co/deepseek-ai/DeepSeek-OCR 
• HF: https://huggingface.co/deepseek-ai/DeepSeek-OCR-2 
• YT: https://www.youtube.com/watch?v=9oICqbApvTg 
• 🚀DeepSeek又放大招！这个OCR模型让文档识别效率倍增！本地部署+客观实测DeepSeek-OCR！OCR识别准确率97%，支持100+语言，每天处理3300万页文档的开源大模型！ - AI超元域的博客

olmOCR - 支持結構化精准提取復雜PDF文件內容！完美識別中英文文檔、模糊掃描件與復雜表格！本地部署與實際測試全過程！醫療法律行業必備！輕松應對企業級PDF批量轉換需求

• • GH: https://github.com/allenai/olmocr
  • Demo: https://olmocr.allenai.org/  
  • 🚀本地部署最强OCR大模型olmOCR！支持结构化精准提取复杂PDF文件内容！完美识别中英文文档、模糊扫描件与复杂表格！本地部署与实际测试全过程！医疗法律行业必备！轻松应对企业级PDF批量转换需求！ - AI超元域的博客 
  • YT: https://www.youtube.com/watch?v=XF3Q_ZjwfaI 
• Mistral OCR 3 - 雲端商用服務，可提取 PDF/Image 格式文件，手寫中文辨識不佳；中文印刷字體辨識沒問題。
• Paddle OCR - 百度的開源文件解析模型 PaddleOCR-VL-1.5
  • GitHub: https://github.com/PaddlePaddle/PaddleOCR 
  • HF: https://huggingface.co/spaces/PaddlePaddle/PaddleOCR-VL-1.5_Online_Demo 
• Zerox OCR - 上傳檔案 ➜ 轉成圖片序列 ➜ 交給視覺模型分析 ➜ 輸出 Markdown ，支援 PDF/DOCX/Excel/PPT等格式，內建 JSON Schema 結構化輸出。  
• MinerU — High-accuracy document parsing engine for LLM · RAG · Agent workflows
• TaxHacker 是一款自架式會計應用程式，上傳收據、發票或 PDF 檔案的照片，TaxHacker 便會自動辨識並擷取您進行會計處理所需的所有重要資料。
• Ollama OCR - 一個 Python 套件，透過 Ollama 在本地運行視覺語言模型，從圖像和 PDF 中提取文字。無需雲端。無需 API 金鑰。無使用限制。