Zerox ：一个简单易用的GPT OCR 工具 可将 PDF、DOCX 等文件转换为 Markdown 格式

Zerox 是一个简单易用的 OCR 工具，可将 PDF、DOCX 等文件转换为 Markdown 格式。

它使用 GPT 模型对每个页面进行 OCR 处理，并将结果聚合为最终的 Markdown 输出。该工具支持 Node.js 和 Python 两种语言，并提供了丰富的配置选项。

Zerox 主要能力

1. 零-shot OCR 处理
   • 无须训练：利用 gpt-4o-mini 模型进行零-shot 学习，直接处理各种文档而无需特定任务的训练数据。
2. 多格式支持
   • 支持多种文件类型：能够处理 PDF、DOCX、图片等多种文档格式，适用于多种场景。
3. 图像处理能力
   • 将文件转换为图像：在处理过程中，将文档转换为图像，再对每个图像进行 OCR 处理，以提取文本信息。
4. Markdown 输出
   • 生成可编辑格式：处理后的文本以 Markdown 格式返回，便于后续编辑和使用，保留文档的基本格式。
5. 并发处理
   • 提高处理效率：支持并发处理多个页面，用户可设置同时处理的页面数量，以加快整体处理速度。
6. 自定义选项
   • 灵活的配置：用户可设置多种选项，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。
7. 易于集成
   • Node 和 Python SDK：提供 Node.js 和 Python 的 SDK，便于开发者轻松集成到现有应用中。
8. 清理选项
   • 临时文件管理：支持在处理完成后自动清理临时生成的图像文件，简化用户的文件管理。

案例：

• Zerox GitHub 页面
• Zerox OCR 演示