Text-Extract-API v0.3.0 版本发布:多模型支持与文本处理能力升级
Text-Extract-API 是一个专注于文本提取与处理的API服务,它能够从各种文档格式中高效地提取文本内容,并支持多种文本处理功能。该项目通过模块化设计,为开发者提供了灵活的文本处理解决方案。
核心功能改进
1. MiniCPM-V 视觉语言模型支持
本次更新引入了对MiniCPM-V模型的支持,这是一个轻量级的视觉语言模型。该模型特别适合处理包含视觉元素的文档,能够理解图像中的文本内容并进行语义分析。开发者现在可以通过配置轻松切换到这个模型,以处理更复杂的多模态文档。
2. 通用文本对象重构
项目对核心文本对象进行了重大重构,实现了Universal Text Object设计。这一改进带来了更统一的文本处理接口,使得不同来源的文本数据(如PDF、OCR结果、纯文本等)都能以一致的方式进行访问和操作。这一变化显著提升了API的灵活性和可扩展性。
3. 模型可选配置
新版本中,模型参数不再是必选项。这一改进使得API更加灵活,开发者可以根据实际需求选择是否使用特定模型进行处理。当不指定模型时,系统会使用默认的基础文本提取方法,这在处理简单文档时可以节省计算资源。
新增特性
1. 远程处理策略
新增了远程处理策略支持,开发者现在可以将文档处理任务分发到远程服务器执行。这一特性特别适合分布式部署场景,能够有效利用多台服务器的计算资源。项目还提供了marker-pdf示例,展示了如何实现这一功能。
2. Docling文档格式支持
本次更新增加了对Docling文档格式的支持。Docling是一种专门为语言学研究设计的文档格式,这一新增功能使得Text-Extract-API能够更好地服务于语言学研究和多语言文本处理场景。
性能优化与问题修复
- 修复了文本统一化处理中的重复处理问题,提高了处理效率
- 解决了Docker环境中缺少libglib依赖的问题,提升了部署稳定性
- 优化了进程管理,确保Celery工作进程能够正确终止
- 修正了多处拼写错误,提高了代码可读性
- 将Makefile中的clean-cache命令重命名为更符合语义的clear-cache
总结
Text-Extract-API v0.3.0版本通过引入多模型支持、重构核心文本对象、增加远程处理能力等改进,显著提升了文本处理的灵活性和功能性。这些变化使得该API能够适应更广泛的应用场景,从简单的文本提取到复杂的多模态文档处理都能胜任。特别是对MiniCPM-V和Docling的支持,为处理视觉丰富的文档和语言学专业文档提供了更好的解决方案。
- 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









