ocr_project

docling项目（star: 30.3k）

• docling.md文件：项目技术解读。
• docling_default文件：插入原图片在markdown文件中作为最终的输出。
• docling_gemini文件：使用gemini接口，插入图片理解内容替换图片占位符，作为最终的输出。
• docling_internvl3文件：支持LM Studio或者ollama加载本地模型，可以跟gemini一样进行图片理解。

marker项目 (star: 25.3k)

• marker.md文件：项目技术解读。
• marker_default文件：一个简单示例，直接输出嵌入图片路径的markdown文件，并输出提取的图片。
• marker_gemini文件：使用gemini接口，丰富配置，可输出嵌入图片路径或者图片理解内容的markdown文件，并输出debug文件（包含版面布局分析结果）。
• 可以调用 VLM 进行图片理解，以及其他如表格、公式、表单等高层次理解。

MinerU项目 (star: 33.9k)

• mineru.md文件：项目技术解读。
• mineru_default文件：输出直接嵌入图片路径的markdown文件，并输出提取的图片和debug文件（包含版面布局分析结果）。
• 可以调用 LLM 进行辅助表格、文字、标题识别，默认使用qwen2.5-7b-instruct模型，可以在user目录下的magic-pdf.json文件中修改模型配置。
• mineru的版面分析效果最好，检测框框更准确。

• 注意：需要用python脚本下载模型文件：(以下是从hugging face下载模型的步骤)

  • Python脚本会自动下载模型文件并在配置文件（magic-pdf.json）中配置模型目录。

•   pip install huggingface_hub
    wget https://github.com/opendatalab/MinerU/raw/master/scripts/download_models_hf.py -O download_models_hf.py
    python download_models_hf.py