Ollama OCR for web

Ollama-OCR 產品介紹

Ollama-OCR 是基於Ollama 的開源免費光學字元辨識模型，用於從圖像中提取文字。

功能特性

支援多種先進視覺語言模型，例如LLaVA、Llama 3.2 Vision 和MiniCPM-V 2.6，提供高精度文字辨識。

處理單圖、多圖和視訊輸入。

支援Markdown、純文字和JSON 等多種輸出格式。

透過Docker 簡化部署。

提供詳細的使用文件和範例。

目標用戶

開發者可整合到各種應用中實現圖像文字辨識。

研究人員可用於研究視覺語言模型在OCR 任務中的表現。

企業用戶可用於自動化文件處理和圖像內容分析，提高效率。

使用場景

開發者建構線上文件掃描服務等Web 應用。

研究人員研究不同影像場景下的OCR 表現。

企業自動化處理發票、合約等影像文件。

使用教程

1. 安裝Ollama。

2. 拉取所需模型（例如llama3.2-vision，llava，minicpm-v）。

3. 克隆ollama-ocr 倉庫。

4. 安裝依賴。

5. 啟動開發伺服器。

6. 輸入影像以取得文字輸出。