分享一个 OCR 软件(基于 LLM 可识别 Latex)

[ztfot]

• 首先为取代 mathpix (到期了，价格贵)
• 发现大语言模型多模态具有识别 公式，代码块，甚至手写
• 测试用的 qwen2.5-vl-7b 感觉已经可以媲美 mathpix
• 价格便宜，平均 1¥可以识别 1000 张图
• 自己用 swiftUI 开发了一个软件，仅 2M 大小，调用大模型进行 OCR ，可实时预览及修改
• 项目地址 TextPix
• 软件界面

[ashing]

看起来还不错，有空体验下。

[xuemian]

大佬

[SeaSaltPepper]

歪个楼：有没有什么地方能看 LLM OCR 跑分排名的

[lchynn]

@SeaSaltPepper ocrBench ，ocrBenchV2 ，docVQA, infoVQA ，ChartQA ，TableVQA ， 几个多模态指标都是看视觉模型对文字的识别理解能力的。 都有 leaderboard

[yjxjn]

同楼咨询个问题。
我目前在做的项目，也是关于 OCR 识别。但是要识别试卷内容。进行阅卷。现在有个问题，这种大模型可以识别出试卷之类的么？用了 paddleOCR ，客观题，直接就嘎了。

[lamses]

@yjxjn https://bdfz.net/posts/aiyuejuan/

[loadingimg]

自己基于 qwen vl 可以微调一下

[zggsong]

试了一下，prompt 识别公式效果还是蛮好的，理论上使用现有的类似 Bob 配置 llm 服务也能实现该效果

[ztfot]

@zggsong 是的，这只是做了个壳，方便用

[duzhuo]

@lamses 好变态的字体

[lamses]

@duzhuo 領會精神：）
以現在 AI 能力，所有學科本該有手寫閱卷產品落地的。

[HaroldFinchNYC]

实际上我用 ocr 的机会不多
但我知道有个行业用的比较多，就是教育行业

[ztfot]

@HaroldFinchNYC 害，学生用的多嘛

[guaike]

@zggsong 这方法不错