PDF 转文本最怕扫描件、多栏排版和复杂公式,普通 OCR 很容易识别错位

PDF 转文本最怕扫描件、多栏排版和复杂公式，普通 OCR 很容易识别错位。

olmOCR 是一款基于视觉语言模型的开源 PDF 转 Markdown 工具，支持识别表格、公式、手写内容和复杂版式，还能清理页眉页脚，并尽量保持自然阅读顺序。

支持单 GPU 本地运行，也能接入远程推理服务，适合批量处理 PDF、整理文档和搭建知识库。