20ms把PDF变成Markdown！开源OCR神器快了近300倍

开源OCR工具提速300倍，20ms转换PDF为Markdown

3秒可处理200份PDF

文婷发自凹非寺

量子位 | 公众号 QbitAI

曾经只能手动摘取PDF文字、结果乱码一堆、LLM还看不懂的苦逼日子——

终于要结束了！

Y Combinator孵化的明星项目Firecrawl团队最近放了个大招：

其联合创始人兼CTO Nicolas Camara宣布，他们最新开发的OCR It可以在20ms内将一份不可复制的PDF文件内的所有文字内容提炼完，并将其转化成清晰的Markdown格式，AI读完马上就能看懂。

20ms是什么概念？

相当于你刚点完确定还没眨完眼，一份处理好的Markdown文件就已经清清爽爽地交到你手上了。

而且它还不需要联网，可以100%Offline via Bundled Tesseract。

这个刚刚开源的OCR工具才刚发布，就在GitHub上获得了热门关注。

Nicolas Camara骄傲地表示，在处理质量与Docling旗鼓相当的前提下，OCR It的处理速度比Docling快了近300倍！

小伙伴们测完也纷纷在X上留言：

快，确实快得很啊！

OCR It怎么用

首先，OCR It是一款适用于Chrome和Firefox的免费浏览器插件。

你只需框选一次区域，之后每按一次快捷键（或开启自动模式），它就能把整本书或整个文档变成完整且可编辑的纯文本，方便你直接喂给AI进行总结或提问。

期间，OCR It会默认在连续识别到两张相同页面、无法继续翻页、OCR失败或达到300页上限时自动停止，避免在末页无限重复抓取。

具体而言，手动和自动档可以分别按以下的几个步骤操作：

（注：用Windows和Linux的小伙伴们需将option键替换为Alt）

1、手动档：

首先按Option+Shift+R选定需要识别的文字区域，确认无误后按Enter保存；

完成第一步框选文字区域之后，按一次Option+Shift+S，OCR It就会开始识别当前页面，并在识别完成后会自动翻到下一页。

接下来你只需要重复这个操作直到整份文档识别完毕就好了。

如果你希望进一步节省时间的话，你也可以一边翻页一边在每一页按一次Option+Shift+S，系统会立即截图并在后台自动排队执行识别任务。

检查：全部识别完成后，你可以在插件面板中检查、修改文本，也可以重新识别单独某一页，最后选择“Copy all”或“Download .txt”导出全文，整个任务就完成啦！

2、自动档：

自动挡的话就简单多了，你只需要按下Option+Shift+A或点击Start auto-run，OCR It便会自动循环执行“截图—OCR—翻页”，直至文档结束。

如果你想中途结束任务的话，按ESC就行，检查流程几乎和手动档一致。

此外，OCR It仓库界面显示，它既不需要API Key、联网、安装时也不需要索取任何网站权限，它只会在需要自动运行或操作跨域iframe时才按需申请当前站点的权限。

另外，浏览器内置PDF阅读器目前也还暂时不支持自动翻页，所以大家在处理这类PDF时，还是尽量用手动档处理吧。

处理复杂任务时还不太稳定

不过，OCR It虽然看起来又快又方便，但还远没有到“以后把所有PDF都丢给它，就能高枕无忧”的程度。

网友们通过实测达成的一个共识是：

OCR It目前可以相当顺手地处理版式简单、文字清晰的PDF文档，但它还不太能处理一些标题、脚注、表格、数学公式和正文段落混排的复杂页面，所以它还有不小的提升空间。

让我们期待一下团队后续的更新吧！

感兴趣的小伙伴们可以点进文末第二个链接看看，欢迎跟我们分享你的测试结果～

参考链接：

[1]https://x.com/nickscamara_/status/2083295265793212827

[2]https://github.com/thiagotigaz/ocr-it

[3]https://www.firecrawl.dev/about

查看原文 ↗ 开源项目