使用场景
将扫描的学术论文图像转换为可编辑的纯文本，方便后续编辑和引用。
从历史文献图像中提取文本内容，用于数字化保存和研究。
处理企业合同图像，快速提取关键信息并生成文本记录。
产品特色
支持单页文档图像输入，最长边为 1024 像素
结合文档元数据生成高质量文本输出
提供手动提示生成方法，方便用户自定义使用
支持批量处理，可高效处理大规模文档
兼容多种文档格式，包括 PDF 和图像文件
使用教程
1. 安装 olmOCR 工具包：使用 pip install olmocr 进行安装。
2. 准备文档图像：将目标文档渲染为最长边为 1024 像素的图像。
3. 构建提示：使用 olmOCR 工具包中的方法提取文档元数据并生成提示。
4. 加载模型：使用 transformers 库加载预训练模型。
5. 输入图像和提示：将图像和提示传递给模型进行推理。
6. 获取输出：模型生成文本输出，解码并提取结果。
