olmocr
Herramienta para linearizar PDFs para conjuntos de datos/entrenamiento de LLM
Del README
pip install olmocr
- Convert PDF, PNG, and JPEG based documents into clean Markdown
- Support for equations, tables, handwriting, and complex formatting
- Automatically removes headers and footers
- Convert into text with a natural reading order, even in the presence of
Extractos del README del proyecto sobre GitHub. Los derechos de autor y las licencias permanecen con los respectivos autores.
Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.
Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.
Gratis · sin tarjeta · cancela cuando quierasHerramienta para linearizar PDFs para conjuntos de datos/entrenamiento de LLM
olmocr tiene 19.4k estrellas en GitHub. Se ha bifurcado 1.6k veces. olmocr está escrito principalmente en Python. Se desarrolla activamente desde 2024. olmocr está disponible bajo la licencia Apache-2.0.
Read the full guide¿Qué es olmocr?
Herramienta para linearizar PDFs para conjuntos de datos/entrenamiento de LLM
¿olmocr es de código abierto?
olmocr es un proyecto de código abierto. Se distribuye bajo la licencia Apache-2.0.
¿olmocr es gratis?
Sí. olmocr es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.
¿Bajo qué licencia está olmocr?
olmocr está disponible bajo la licencia Apache-2.0.
¿En qué lenguaje está escrito olmocr?
olmocr está escrito principalmente en Python.
Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.
[](https://olud.ai/project/allenai-olmocr.html)
