把 PDF 变成 AI 能读懂的文本：olmOCR 文档智能转换工具

你有没有遇到过这种情况：手头有一份 PDF 文档，想用 AI 帮忙总结、翻译或者提取关键信息，结果直接复制粘贴进去，格式全乱了、表格变成一堆乱码、公式完全丢失？

今天介绍一个来自艾伦人工智能研究所（Allen Institute for AI）的开源项目 olmOCR（18k+ Star），它专门解决这个问题——把 PDF、图片格式的文档一键转换为干净整洁的 Markdown 文本，连公式、表格、多栏排版都能完美处理。

一、什么是 olmOCR

olmOCR（GitHub: allenai/olmocr）是一款采用 Apache 2.0 协议开源的文档智能转换工具。它的核心能力是：基于一个 70 亿参数的视觉语言模型（VLM），将 PDF、PNG、JPEG 等格式的文档"读懂"，然后输出结构清晰、阅读顺序自然的 Markdown 文本。

核心功能：

·支持 PDF、PNG、JPEG 等多种文档输入格式

·自动识别并保留公式、表格、手写内容

·智能去除页眉页脚等干扰信息

·处理多栏布局、图文混排等复杂排版

·输出干净的 Markdown 格式文本，直接可用

·提供在线体验网页：https://olmocr.allenai.org/

二、安装教程（最简单方式）

说明：olmOCR 是 Python 工具，没有桌面安装包，也没有图形界面安装向导。下面提供从零门槛到专业级的几种使用路径，按难度递增排列。

方式一：零门槛体验（无需安装任何东西）

这是最简单的方式，打开浏览器访问官方在线演示页面即可：

https://olmocr.allenai.org/

上传你的 PDF 或图片文件，等待几秒钟就能看到转换后的 Markdown 结果。适合只想快速试一下效果的用户。

方式二：pip 安装（适合有 Python 环境的用户）

如果你电脑上已经装了 Python（3.11 及以上），一行命令即可完成安装：

pip install olmocr

安装完成后，你可以通过命令行来转换文档：

# 先下载一个示例 PDF 测试curl -o test.pdf https://olmocr.allenai.org/papers/olmocr_3pg_sample.pdf# 执行转换olmocr ./output --markdown --pdfs test.pdf

转换完成后，去 ./output/markdown/ 目录下就能看到生成的 Markdown 文件。

注意：默认的 pip 安装是远程推理模式，它会调用云端模型来处理，不需要本地有显卡。如果需要离线本地运行，请参考下面的 GPU 安装方式。

方式三：本地 GPU 安装（适合有独立显卡的开发者）

如果你的电脑有 NVIDIA 显卡（显存 12GB 以上），可以安装支持本地推理的完整版本：

# 创建虚拟环境（推荐）conda create -n olmocr python=3.11conda activate olmocr# 安装 GPU 版本pip install olmocr[gpu] --extra-index-url https://download.pytorch.org/whl/cu128

首次运行时会自动下载模型文件（约 30GB），之后就可以完全离线使用了。

三、使用小贴士

·关于费用：olmOCR 软件本身免费开源。远程模式会消耗少量云端算力额度（每百万页约 200 美元以下）；本地模式完全免费，只需要自己的显卡和电费。

·系统要求：本地 GPU 模式推荐 RTX 4090 / L40S / A100 / H100 等显卡，显存至少 12GB；远程模式无特殊要求，能联网就行。

·支持的输入格式：PDF、PNG、JPG/JPEG。如果是扫描件或拍照的图片也能识别。

·批量处理：可以一次传入多个 PDF 文件，例如：olmocr ./output --markdown --pdfs *.pdf

四、总结

olmOCR 来自 AI2（艾伦人工智能研究所），是目前开源社区中最成熟的 PDF 转 Markdown 方案之一。它解决了"PDF 给 AI 看"这个长期痛点，让大语言模型能够真正理解文档的结构化内容。无论你是做 AI 应用开发还是日常文档整理，它都值得一试。

项目地址：https://github.com/allenai/olmocr

在线体验：https://olmocr.allenai.org/

Docker 镜像：https://hub.docker.com/r/alleninstituteforai/olmocr

许可证说明：olmOCR 采用 Apache 2.0 协议开源，个人和商业使用均免费。