开源项目推荐：Sparrow

开源项目推荐：Sparrow

sparrow Data extraction from documents with ML 项目地址: https://gitcode.com/gh_mirrors/spa/sparrow

项目基础介绍

Sparrow 是一个高效的数据提取和处理开源项目，专注于从各种文档和图像中提取信息。该项目主要使用 Python 编程语言，结合了机器学习和视觉语言模型技术，提供了一个模块化架构，以优化性能和灵活性。

核心功能

Sparrow 的核心功能包括：

• 数据提取：能够处理表格、银行对账单、发票、收据以及其他非结构化数据源。
• 模块化架构：提供独立的服务和代理，所有这些组件都针对强大的性能进行了优化。
• 可插拔架构：用户可以轻松集成和运行数据提取管道，使用 Sparrow Parse（支持视觉语言模型）或 Instructor。
• 本地 LLM 数据提取：通过不同的后端（如 vLLM、Ollama、PyTorch 或 Apple MLX）实现本地 LLM 数据提取管道。
• API 接口：提供 API，帮助将数据转换为结构化输出，以便与自定义工作流集成。

最近更新的功能

最近更新的功能包括：

• 增强的 OCR 服务：提升了光学字符识别（OCR）服务的准确性和效率。
• 多页 PDF 支持：Sparrow Parse 代理现在支持多页 PDF 文档的处理，并且每个页面的输出都会包含页码指示。
• 性能优化：对现有功能进行了性能优化，以提升整体的处理速度和响应时间。
• 错误修复和稳定性改进：修复了一些已知的问题，提高了系统的稳定性和可靠性。

Sparrow 项目的开源特性和持续更新使其成为数据提取和处理领域的一个非常有价值的工具。

sparrow Data extraction from documents with ML 项目地址: https://gitcode.com/gh_mirrors/spa/sparrow