Ollama-OCR 项目安装与配置指南

Ollama-OCR 项目安装与配置指南

Ollama-OCR 项目地址: https://gitcode.com/gh_mirrors/olla/Ollama-OCR

1. 项目基础介绍

Ollama-OCR 是一个功能强大的光学字符识别（OCR）开源项目。它通过使用 Ollama 提供的先进视觉语言模型，能够从图像和 PDF 文件中提取文本。该项目既可作为 Python 包使用，也提供了基于 Streamlit 的 Web 应用程序。Ollama-OCR 支持多种视觉模型，并能够输出不同格式的文本，包括 Markdown、纯文本、JSON、结构化数据、键值对和表格等。

2. 主要编程语言

该项目主要使用 Python 编程语言。

3. 关键技术和框架

• Ollama: 项目使用了 Ollama 提供的视觉语言模型，如 LLaVA、Llama 3.2 Vision、Granite3.2-vision、Moondream 和 Minicpm-v 等。
• Streamlit: 用于创建用户友好的 Web 应用程序界面。
• Markdown、JSON、HTML 等: 用于数据的格式化输出。

4. 安装和配置准备工作

在开始安装前，请确保您的系统中已经安装了以下依赖：

• Python 3.6 或更高版本
• pip（Python 包管理器）

5. 详细安装步骤

步骤 1：克隆项目仓库

首先，您需要在您的计算机上克隆 Ollama-OCR 的 GitHub 仓库：

git clone https://github.com/imanoop7/Ollama-OCR.git

步骤 2：安装依赖

进入项目目录，并使用 pip 安装项目所需的依赖：

cd Ollama-OCR
pip install -r requirements.txt

步骤 3：安装 Ollama

根据项目要求，您需要使用 Ollama 命令拉取所需的视觉模型：

ollama pull llama3.2-vision:11b
ollama pull granite3.2-vision
ollama pull moondream
ollama pull minicpm-v

步骤 4：运行 Streamlit 应用（可选）

如果您想尝试 Streamlit Web 应用程序，请进入 src/ollama_ocr 目录并运行以下命令：

cd src/ollama_ocr
streamlit run app.py

现在，您应该能够通过浏览器访问 Streamlit 应用程序，并开始使用 Ollama-OCR。

步骤 5：使用 Python 包

如果您打算作为 Python 包使用 Ollama-OCR，可以直接导入 ollama_ocr 模块，并创建 OCRProcessor 实例来处理图像：

from ollama_ocr import OCRProcessor

ocr = OCRProcessor(model_name='llama3.2-vision:11b', base_url="http://host.docker.internal:11434/api/generate")
result = ocr.process_image(path_to_your_image, format_type='markdown', custom_prompt='Your custom prompt', language='English')
print(result)

请替换 path_to_your_image 为您的图像文件路径，并根据需要调整参数。

以上就是 Ollama-OCR 项目的安装与配置指南。按照这些步骤操作，您应该能够成功安装并开始使用这个强大的 OCR 工具。

Ollama-OCR 项目地址: https://gitcode.com/gh_mirrors/olla/Ollama-OCR