Swift OCR: LLM Powered Fast OCR ⚡-优快云博客

本文链接：https://blog.youkuaiyun.com/gitblog_00713/article/details/146933629

Swift OCR: LLM Powered Fast OCR ⚡

swift-ocr-llm-powered-pdf-to-markdown An open-source OCR API that leverages OpenAI's powerful language models with optimized performance techniques like parallel processing and batching to deliver high-quality text extraction from complex PDF documents. Ideal for businesses seeking efficient document digitization and data extraction solutions. 项目地址: https://gitcode.com/gh_mirrors/sw/swift-ocr-llm-powered-pdf-to-markdown

1. 项目介绍

Swift OCR 是一个开源的 OCR（光学字符识别）API，它利用 OpenAI 强大的语言模型以及优化的性能技术，如并行处理和批处理，从而实现对复杂 PDF 文档的高质量文本提取。该项目非常适合企业进行高效的文档数字化和数据提取。

2. 项目快速启动

以下是快速启动 Swift OCR 项目的步骤：

环境准备

Python 3.8+
Git
Virtualenv（可选但推荐）

克隆仓库

git clone https://github.com/yigitkonur/llm-openai-ocr.git
cd llm-openai-ocr

创建虚拟环境

python3 -m venv venv
source venv/bin/activate

在 Windows 上：

venv\Scripts\activate

安装依赖

pip install -r requirements.txt

配置环境变量

在项目根目录下创建一个 .env 文件，并添加以下变量：

OPENAI_API_KEY=your_openai_api_key
AZURE_OPENAI_ENDPOINT=your_azure_openai_endpoint
OPENAI_DEPLOYMENT_ID=your_openai_deployment_id
OPENAI_API_VERSION=your_openai_api_version # 默认为 "gpt-4o"
BATCH_SIZE=10 # 可选：默认为 1
MAX_CONCURRENT_OCR_REQUESTS=5 # 可选：默认为 5
MAX_CONCURRENT_PDF_CONVERSION=4 # 可选：默认为 4

将 your_openai_api_key、your_azure_openai_endpoint 和 your_openai_deployment_id 替换为您的实际 OpenAI 凭据。

运行应用

uvicorn main:app --reload

API 将在 http://127.0.0.1:8000 上可用。

3. 应用案例和最佳实践

API 使用示例

上传 PDF 文件：

curl -X POST "http://127.0.0.1:8000/ocr" -F "file=@/path/to/your/document.pdf"

提供 PDF URL：

curl -X POST "http://127.0.0.1:8000/ocr" -F "ocr_request={\"url\":\"https://example.com/document.pdf\"}" -H "Content-Type: application/json"

响应示例

成功响应：

{
  "text": "Extracted and formatted text from the PDF."
}

错误响应：

{
  "400 Bad Request": "Invalid input parameters.",
  "422 Unprocessable Entity": "Validation errors.",
  "500 Internal Server Error": "Processing errors."
}