olmocr
Boîte à outils pour linéariser les PDF pour les ensembles de données/formation LLM
Depuis le 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
Extraits du README du projet sur GitHub. Le droit d'auteur et les licences restent la propriété des auteurs respectifs.
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout momentBoîte à outils pour linéariser les PDF pour les ensembles de données/formation LLM
olmocr compte 19.4k étoiles sur GitHub. Il a été forké 1.6k fois. olmocr est écrit principalement en Python. Il est développé activement depuis 2024. olmocr est disponible sous licence Apache-2.0.
Read the full guideQu'est-ce que olmocr ?
Boîte à outils pour linéariser les PDF pour les ensembles de données/formation LLM
olmocr est-il open source ?
olmocr est un projet open source. Il est distribué sous licence Apache-2.0.
olmocr est-il gratuit ?
Oui. olmocr est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
Sous quelle licence est olmocr ?
olmocr est disponible sous licence Apache-2.0.
Dans quel langage olmocr est-il écrit ?
olmocr est écrit principalement en Python.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://olud.ai/project/allenai-olmocr.html)
