LLM-Aided OCR: 开源免费的图像文字识别工具

一款开源免费的图像文字识别工具。通过应用大型语言模型（LLM）来增强Tesseract OCR的输出质量，特别适用于扫描的PDF文件。

支持本地LLM和基于API的LLM（如OpenAI和Anthropic），并提供异步处理以提高性能。

示例输出：

• Original PDF
• Raw OCR Output
• LLM-Corrected Markdown Output

功能特性：

• PDF 到图像的转换
• 使用 Tesseract 的 OCR
• 使用（本地或基于 API）进行LLMs高级纠错
• 智能文本分块，实现高效处理
• 提供Markdown 格式选项
• 页眉和页码抑制（可选）
• 最终产出的质量评估
• 支持本地LLMs和基于云的 API 提供商（OpenAI、Anthropic）
• 用于提高性能的异步处理
• 用于进程跟踪和调试的详细日志记录
• 用于本地LLM推理的 GPU 加速

项目地址：

Github:https://github.com/Dicklesworthstone/llm_aided_ocr