一、Zerox OCR 的基本原理

的核心原理是利用先进的技术手段对图像中的文字进行识别和提取。 它不完全依赖传统的光学字符识别技术，而是巧妙地结合了大型语言模型 。在处理过程中，当面对输入的文档，如 PDF、图片或 DOCX 等格式的文件时，首先会对文档进行预处理。对于 PDF 文件，会将其转换为图像，以便后续分析每一页的内容。然后，利用大型语言模型的强大理解能力，对图像中的文字进行解读和识别。这种方式使得 Zerox OCR 能够更好地处理各种复杂的文本情况，包括风格化程度很高的文本、布局不寻常的文档以及包含特殊符号或图形的文本内容等。与传统 OCR 技术相比，它更注重对文本语义的理解，从而提高了识别的准确性和可靠性。

二、Zerox OCR 的特点与优势

1. 高效准确的识别能力

借助大型语言模型的优势，Zerox OCR 能够对复杂的文本进行精准识别。无论是手写体、艺术字还是带有各种干扰因素的文字，它都能准确地提取其中的信息，大大减少了错误识别的概率，为用户提供高质量的识别结果。

2. 广泛的文件格式支持

支持多种常见的文件格式，如 PDF、DOCX、图片（包括常见的图片格式如 JPEG、PNG 等）。这使得用户在不同的场景下都能方便地使用 Zerox OCR，无需进行繁琐的格式转换，节省了时间和精力。

3. 零-shot 学习能力

具备强大的零-shot OCR 处理能力意味着它无需针对特定任务进行大量的预先训练数据准备，就可以直接对各种文档进行处理。这种灵活性和适应性使得 Zerox OCR 能够快速应对不同类型的文档和任务，为用户提供了便捷的使用体验。

4. 友好的输出格式

处理后的文本以 Markdown 格式返回。Markdown 格式简洁明了，既保留了文本的基本格式，又便于后续的编辑和使用。用户可以轻松地对输出的文本进行进一步的整理、分析和排版，满足不同的需求。

5. 易于集成

提供了方便的开发接口，特别是对于开发者来说，它提供了 Node.js 和 Python 的 SDK。这使得开发者能够轻松地将 Zerox OCR 集成到现有的应用程序中，扩展应用的功能，实现自动化的 OCR 处理，提高工作效率和流程的自动化程度。

6. 并发处理与自定义选项

支持并发处理多个页面，用户可以根据自己的需求设置同时处理的页面数量，从而加快整体的处理速度。同时，还提供了多种自定义选项，例如选择处理特定页面、是否保持格式以及选择使用的模型等，用户可以根据具体的任务和需求进行个性化的配置，满足不同场景下的特殊要求。

7. 清理功能

在处理完成后，支持自动清理临时生成的图像文件，避免了不必要的文件占用和存储问题，简化了用户的文件管理工作，保持系统的整洁和高效。

三、Zerox OCR 的应用场景

1. 文档数字化与档案管理

在图书馆、档案馆、企业文档管理等领域，有大量的纸质文档需要进行数字化处理。Zerox OCR 可以快速将这些纸质文件转换为电子文本，方便存储、检索和编辑。例如，图书馆可以将珍贵的古籍文献进行 OCR 处理后，建立数字化图书馆，方便读者查阅和研究；企业可以将历史档案文件数字化，提高档案管理的效率和安全性。

2. 数据提取与分析

从各种报表、合同、发票等文档中提取关键信息是企业日常运营中的重要任务。Zerox OCR 能够准确地识别和提取这些文档中的数据，为数据分析和决策提供支持。例如，财务部门可以利用它从财务报表中提取数据进行分析，销售部门可以从销售合同中提取关键条款进行业务分析和跟进。

3. 内容创作与编辑

对于作者、编辑等从事文字工作的人员，Zerox OCR 可以将手写笔记、图片中的文字等转换为电子文本，方便进行进一步的创作和编辑。例如，作家可以将手写的草稿通过 Zerox OCR 转换为电子文档，然后进行修改和完善；编辑可以将扫描的稿件快速转换为可编辑的文本，提高工作效率。

4. 教育领域

在教育领域，教师可以利用 Zerox OCR 将教材、试卷等资料中的文字转换为电子文本，方便制作教学课件、进行在线教学和作业批改。学生也可以使用它将笔记、书籍中的重点内容转换为电子文档，便于复习和整理知识。

5. 电子商务与物流

在电子商务中，商家可以使用 Zerox OCR 处理订单、发票等文件，提高订单处理的效率和准确性。在物流领域，快递单号、地址等信息的识别和录入也可以借助 Zerox OCR 实现自动化，减少人工输入的错误和工作量。

四、快速开始

1、在线体验

在线地址：​ ​​ ​

2、本地使用

1）安装 py-zerox

pip install py-zerox

2）代码示例

from pyzerox import zeroximport osimport jsonimport asyncio### Model Setup (Use only Vision Models) Refer:##### placeholder for additional model kwargs which might be required for some modelskwargs = {}## system prompt to use for the vision modelcustom_system_prompt = None# to override# custom_system_prompt = "For the below pdf page, do something..something..." ## example###################### Example for OpenAI ######################model = "gpt-4o-mini" ## openai modelos.environ["OPENAI_API_KEY"] = "" ## your-api-key###################### Example for Azure OpenAI ######################model = "azure/gpt-4o-mini" ## "azure/<your_deployment_name>" -> format <provider>/<model>os.environ["AZURE_API_KEY"] = "" # "your-azure-api-key"os.environ["AZURE_API_BASE"] = "" # "https://example-endpoint.openai.azure.com"os.environ["AZURE_API_VERSION"] = "" # "2023-05-15"###################### Example for Gemini ######################model = "gemini/gpt-4o-mini" ## "gemini/<gemini_model>" -> format <provider>/<model>os.environ['GEMINI_API_KEY'] = "" # your-gemini-api-key###################### Example for Anthropic ######################model="claude-3-opus-20240229"os.environ["ANTHROPIC_API_KEY"] = "" # your-anthropic-api-key###################### Vertex ai ######################model = "vertex_ai/gemini-1.5-flash-001" ## "vertex_ai/<model_name>" -> format <provider>/<model>## GET CREDENTIALS## RUN ### !gcloud auth application-default login - run this to add vertex credentials to your env## OR ##file_path = 'path/to/vertex_ai_service_account.json'# Load the JSON filewith open(file_path, 'r') as file:vertex_credentials = json.load(file)# Convert to JSON stringvertex_credentials_json = json.dumps(vertex_credentials)vertex_credentials=vertex_credentials_json## extra argskwargs = {"vertex_credentials": vertex_credentials}###################### For other providers refer:####################### Define main async entrypointasync def main():file_path = "https://omni-demo-data.s3.amazonaws.com/test/cs101.pdf" ## local filepath and file URL supported## process only some pages or allselect_pages = None ## None for all, but could be int or list(int) page numbers (1 indexed)output_dir = "./output_test" ## directory to save the consolidated markdown fileresult = await zerox(file_path=file_path, model=model, output_dir=output_dir,custom_system_prompt=custom_system_prompt,select_pages=select_pages, kwargs)return result# run the main function:result = asyncio.run(main())# print markdown resultprint(result)

参数说明：

async def zerox(cleanup: bool = True,concurrency: int = 10,file_path: Optional[str] = "",maintain_format: bool = False,model: str = "gpt-4o-mini",output_dir: Optional[str] = None,temp_dir: Optional[str] = None,custom_system_prompt: Optional[str] = None,select_pages: Optional[Union[int, Iterable[int]]] = None,kwargs) -> ZeroxOutput:...

返回

五、结语

Zerox OCR 作为一款创新的光学字符识别工具，以其独特的原理、丰富的特点和广泛的应用场景，为用户在数字化时代处理文字信息提供了强大的支持。它的出现不仅提高了 OCR 技术的效率和准确性，还为各个行业的数字化转型和发展带来了新的机遇。如果你对 Zerox OCR 感兴趣，想要了解更多详细信息，可以访问其官方 GitHub 地址：​​ ​​ ​。相信在未来，随着技术的不断进步和完善，Zerox OCR 将在更多的领域发挥重要作用，为我们的生活和工作带来更多的便利和创新。

本文转载自​​，作者：​​