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

1. 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
2. 解决了Docker环境中缺少libglib依赖的问题，提升了部署稳定性
3. 优化了进程管理，确保Celery工作进程能够正确终止
4. 修正了多处拼写错误，提高了代码可读性
5. 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。