olmOCR 可能是目前最强的 开源 OCR（光学字符识别）模型，它基于 7B 视觉语言模型 进行微调，并专注于高质量的 PDF 文本提取。
olmOCR 的亮点
高精度 OCR：
基于 7B 视觉语言模型，相比传统 OCR 技术（如 Tesseract），在复杂文档上的识别率更高。
针对 PDF 优化：
使用 26 万页 PDF 页面 进行训练，擅长处理扫描版 PDF、论文、书籍等格式。
完全开源：
免费开放 模型权重、数据集、训练代码、推理代码，可自由部署和改进。
本地运行：
RTX 4090 即可本地运行，无需昂贵的服务器支持。
在线体验：
无需安装，可直接上传文件测试效果。
Github：https://github.com/allenai/olmocr
模型：https://huggingface.co/collections/allenai/olmocr-67af8630b0062a25bf1b54a1
在线使用：https://olmocr.allenai.org