multi-ocr

多引擎 OCR 工具包，将 PDF 和图片转换为 Markdown 文档。

• CLI 工具：全局安装后一行命令完成 OCR
• SDK 依赖：作为 Python 库集成到你的项目中

支持的引擎

本地运行 ollama 参考：https://ollama.com/library/deepseek-ocr

安装

CLI 全局安装

uv tool install multi-ocr-py
# 或
pip install multi-ocr-py

SDK 依赖安装

pip install multi-ocr-py
# 或
uv add multi-ocr-py

CLI 使用

# 单文件 OCR
multi-ocr document.pdf

# 指定引擎和页码范围
multi-ocr document.pdf --model liteparse --pages 1-5

# 批量处理目录，4个并发
multi-ocr ./scans/ --model silicon-deepseek-ocr -j 4

# 查看帮助
multi-ocr -h

环境变量

SDK 使用

from pathlib import Path
from multi_ocr import get_engine, ocr_file, OCREngine

# 创建引擎
engine = get_engine(
    provider="siliconflow",
    model="deepseek-ai/DeepSeek-OCR",
    api_key="your-api-key",
)

# 识别图片
text = engine.parse_image(Path("scan.jpg"))

# 识别 PDF
result = ocr_file(Path("document.pdf"), engine, pages="1-3")

# 批量处理目录
from multi_ocr import ocr_directory
ocr_directory(Path("./scans/"), engine, concurrency=4)

自定义引擎

from multi_ocr import OCREngine

class MyEngine(OCREngine):
    def parse_image(self, image_path: Path) -> str:
        # 你的 OCR 逻辑
        return "recognized text"

要求

• Python >= 3.11

协议

MIT License