text-extract-api v0.2.0 发布:OCR 能力升级与开源协议变更
2025-06-18 04:15:29作者:霍妲思
text-extract-api 是一个专注于文本提取的开源项目,它能够从各种格式的文件中提取文本内容,包括 PDF、图片等。该项目采用了模块化设计,支持多种 OCR(光学字符识别)引擎和后处理技术,为开发者提供了灵活的文本提取解决方案。
核心变更
1. 开源协议变更为 MIT
项目团队决定将开源协议从原先的许可证变更为 MIT 许可证。这一变更使得项目能够被更广泛地使用和集成,降低了开发者的使用门槛。MIT 许可证以其宽松的特性著称,允许用户自由使用、修改和分发代码,只需保留原始版权声明即可。
2. OCR 引擎调整
新版本中移除了 Marker 和 Tesseract OCR 引擎的支持,主要原因是 Marker 存在许可证限制问题。作为替代,项目引入了 EasyOCR 支持:
- EasyOCR:这是一个基于深度学习的 OCR 引擎,支持多种语言,在识别精度和速度方面表现优异。它特别适合处理复杂背景或低质量的图像文本。
3. 当前支持的功能
v0.2.0 版本已经具备以下核心能力:
-
文件格式支持:
- PDF 文档
- 常见图片格式
-
OCR 引擎:
- EasyOCR
- LLama 3.2-vision OCR
- 所有 Ollama 支持的模型(用于第二阶段的文本提取)
-
存储后端:
- AWS S3 云存储
- Google Drive 云存储
- 本地文件系统
技术实现亮点
项目采用了分阶段处理的设计理念:
- 第一阶段:使用 OCR 引擎从原始文件中提取初步文本
- 第二阶段:利用 Ollama 支持的模型对提取的文本进行后处理和优化
这种架构设计使得项目能够灵活地组合不同的 OCR 和 NLP 技术,根据具体需求选择最适合的处理流程。
未来展望
虽然 v0.2.0 已经提供了强大的基础功能,但项目团队表示将继续扩展功能集。可能的未来方向包括:
- 支持更多文件格式(如 Word、Excel 等办公文档)
- 集成更多 OCR 引擎选项
- 增强对非拉丁语系文字的支持
- 优化处理流程的性能和准确性
这一版本标志着 text-extract-api 项目向着更加开放和灵活的方向发展,为开发者提供了更强大的文本提取工具。MIT 协议的采用将吸引更多贡献者参与项目,推动其持续进化。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
176
261

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
860
511

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
259
300

deepin linux kernel
C
22
5

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K