用 GOT-OCR2_0-4bit 搭建個(gè)人文檔數(shù)字化工作流發(fā)票、報(bào)告、票據(jù)一站式識(shí)別【免費(fèi)下載鏈接】GOT-OCR2_0-4bit項(xiàng)目地址: https://ai.gitcode.com/hf_mirrors/mlx-community/GOT-OCR2_0-4bit每天面對(duì)堆積如山的發(fā)票、報(bào)告和票據(jù)手動(dòng)錄入既費(fèi)時(shí)又容易出錯(cuò)。GOT-OCR2_0-4bit 是一款開(kāi)源的本地 OCR 識(shí)別模型能一鍵把圖片中的文字提取為可編輯文本讓你在 Mac 上輕松搭建個(gè)人文檔數(shù)字化工作流實(shí)現(xiàn)發(fā)票識(shí)別、報(bào)告識(shí)別、票據(jù)識(shí)別的一站式處理全程無(wú)需上傳文件、無(wú)需聯(lián)網(wǎng)數(shù)據(jù)完全留在自己的電腦里。GOT-OCR2_0-4bit 是什么一張表看懂這款開(kāi)源 OCR 模型GOT-OCR2_0-4bit 是通用 OCR 模型 GOT-OCR2.0 的 4 比特量化版本由 mlx-community 社區(qū)發(fā)布。它基于 Apple 的 MLX 框架開(kāi)發(fā)專為 Apple Silicon 芯片M 系列 Mac優(yōu)化把 5.6 億參數(shù)的模型壓縮到只有457MB普通筆記本也能輕松跑起來(lái)。核心參數(shù)數(shù)值模型參數(shù)量5.6 億560M量化位數(shù)4-bitgroup size 64磁盤占用457 MB推理峰值內(nèi)存約 1.83 GB實(shí)測(cè)生成速度272.9 tok/sM 系列芯片支持上下文32k 長(zhǎng)文本窗口 一句話總結(jié)體積小、速度快、內(nèi)存占用低特別適合作為個(gè)人電腦上的常駐 OCR 工具。為什么要用本地 OCR 做文檔數(shù)字化5 個(gè)無(wú)法拒絕的理由發(fā)票、合同、醫(yī)療報(bào)告都屬于敏感信息把它交給在線 OCR 服務(wù)總讓人不放心。GOT-OCR2_0-4bit 的價(jià)值正在于此隱私安全識(shí)別全程在本地完成敏感票據(jù)不出電腦杜絕數(shù)據(jù)泄露風(fēng)險(xiǎn)完全免費(fèi)開(kāi)源 Apache-2.0 協(xié)議無(wú)按次計(jì)費(fèi)、無(wú)額度限制?速度飛快實(shí)測(cè) 272.9 tok/s一張發(fā)票幾秒鐘出結(jié)果占用極小磁盤 457MB、內(nèi)存峰值 1.83GB8GB 內(nèi)存的 Mac 也能流暢運(yùn)行精度可靠8-bit 版本輸出與官方 bf16 版本逐字節(jié)一致4-bit 版本的識(shí)別誤差也微乎其微發(fā)票識(shí)別、報(bào)告識(shí)別、票據(jù)識(shí)別怎么用兩種指令搞定一切GOT-OCR2_0-4bit 不是聊天模型它只認(rèn)兩種口令就像給識(shí)別任務(wù)下指令一樣簡(jiǎn)單OCR:輸出純文本適合發(fā)票金額、報(bào)告正文、票據(jù)信息等常規(guī)文字提取OCR with format:輸出帶格式的結(jié)構(gòu)化內(nèi)容表格、數(shù)學(xué)公式、樂(lè)譜都能保留排版結(jié)構(gòu)這兩種指令在 modeling_GOT.py 中定義還支持更進(jìn)階的玩法區(qū)域識(shí)別指定圖片坐標(biāo)框只識(shí)別某一塊區(qū)域比如只提取發(fā)票上的金額欄顏色識(shí)別按顏色定位文字例如只提取紅色批注多頁(yè)文檔通過(guò) chat_crop 方法支持跨多頁(yè)的連續(xù)識(shí)別?渲染導(dǎo)出識(shí)別結(jié)果可經(jīng) render_tools.py 渲染成 HTML還原版式Mac 上快速部署 GOT-OCR2_0-4bit三步搭建文檔數(shù)字化工作流第一步準(zhǔn)備環(huán)境一臺(tái) Apple Silicon 芯片的 MacM1/M2/M3/M4 均可安裝 Python 3.9 與 MLX 相關(guān)依賴pip install mlx mlx-vlm注意需要支持 GOT-OCR 2.0 的 mlx-vlm 版本第二步獲取模型git clone https://gitcode.com/hf_mirrors/mlx-community/GOT-OCR2_0-4bit cd GOT-OCR2_0-4bit第三步開(kāi)始識(shí)別python -m mlx_vlm generate \ --model . \ --image invoice.png \ --prompt OCR: \ --max-tokens 1024把invoice.png換成你的發(fā)票、報(bào)告或票據(jù)截圖幾秒鐘后終端就會(huì)輸出識(shí)別好的文字。想要表格結(jié)構(gòu)把提示詞換成OCR with format:即可。進(jìn)階技巧讓識(shí)別結(jié)果真正數(shù)字化單純的文字輸出只是第一步想要搭建完整的個(gè)人文檔數(shù)字化工作流你還可以這樣做批量歸檔寫一個(gè)循環(huán)腳本把文件夾里的票據(jù)逐一識(shí)別并導(dǎo)出為 Markdown/TXT?結(jié)構(gòu)化入庫(kù)用OCR with format:識(shí)別表格類票據(jù)配合正則把金額、日期、發(fā)票號(hào)拆成字段存入 Excel 或數(shù)據(jù)庫(kù)版式還原使用 render_tools.py 的渲染能力把識(shí)別結(jié)果轉(zhuǎn)成接近原版的 HTML 頁(yè)面結(jié)合 AI 總結(jié)把識(shí)別出的文本交給大模型做摘要、分類、報(bào)銷單自動(dòng)填寫實(shí)測(cè)精度發(fā)票識(shí)別準(zhǔn)確率到底怎么樣開(kāi)發(fā)者用 6 種真實(shí)場(chǎng)景文檔發(fā)票、化驗(yàn)單、快遞單、收據(jù)、規(guī)格表、旋轉(zhuǎn)收據(jù)做了嚴(yán)格測(cè)試模型版本字段準(zhǔn)確率內(nèi)容準(zhǔn)確率數(shù)字準(zhǔn)確率生成速度峰值內(nèi)存bf16 原版0.8680.9610.972138.3 tok/s2.50 GB8-bit0.8680.9610.972210.8 tok/s2.06 GB4-bit本倉(cāng)庫(kù)0.8950.9470.962272.9 tok/s1.83 GB可以看到4-bit 版本用不到 5% 的精度損失換來(lái)了近2 倍的速度提升和 25% 的內(nèi)存節(jié)省對(duì)個(gè)人日常使用來(lái)說(shuō)完全是劃算的交換。常見(jiàn)問(wèn)題 FAQQ需要多大內(nèi)存的 MacA8GB 內(nèi)存即可流暢運(yùn)行峰值占用約 1.83GB16GB 會(huì)更從容。Q支持中文發(fā)票嗎A支持。模型為多語(yǔ)言設(shè)計(jì)中文、英文票據(jù)均可識(shí)別且可配合區(qū)域識(shí)別精準(zhǔn)提取。Q識(shí)別必須聯(lián)網(wǎng)嗎A識(shí)別過(guò)程完全本地化僅首次下載模型權(quán)重時(shí)需要聯(lián)網(wǎng)。Q和在線 OCR 工具比優(yōu)勢(shì)在哪A免費(fèi)無(wú)限制、數(shù)據(jù)不出本機(jī)、速度更快還能處理表格公式等復(fù)雜結(jié)構(gòu)。總結(jié)GOT-OCR2_0-4bit 用 457MB 的體積、1.83GB 的內(nèi)存和接近原版的識(shí)別精度把專業(yè)級(jí) OCR 能力裝進(jìn)了普通人的 Mac。無(wú)論是整理報(bào)銷發(fā)票、歸檔行業(yè)報(bào)告還是錄入紙質(zhì)票據(jù)它都能幫你把圖片變成數(shù)據(jù)真正實(shí)現(xiàn)個(gè)人文檔數(shù)字化工作流的一站式識(shí)別?，F(xiàn)在就 clone 下來(lái)把第一張發(fā)票交給它試試吧【免費(fèi)下載鏈接】GOT-OCR2_0-4bit項(xiàng)目地址: https://ai.gitcode.com/hf_mirrors/mlx-community/GOT-OCR2_0-4bit創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考