OCRFlux

OCRFlux 是一个轻量级但功能强大的多模态工具包，专注于将PDF和图像转换为清晰易读的Markdown文本。其核心功能包括对复杂布局、复杂表格解析以及跨页内容合并的支持，能够自然地处理多列布局、图表和插图，并自动移除页眉和页脚。特别地，OCRFlux 在单页解析质量上超越了现有基线模型，在编辑距离相似度（EDS）指标上有显著提升；同时，它也是首个支持跨页表格/段落合并的开源项目之一。基于30亿参数的视觉语言模型，该工具可以在GTX 3090 GPU等设备上运行。适用于需要高质量PDF转Markdown转换的各种场景，如学术论文、技术文档处理等。