在本地把图片、截图和扫描 PDF 转成文字、Markdown 或 JSON。普通页面先用 OCR 识别,逐页检查空文本、低置信和表格公式信号,只把有问题的页升级给本地视觉语言模型;需要表格和版面信息时可选结构化识别。模型在本机离线运行,默认显卡被占时 OCR 改用 CPU,并标记未完成的 VL 升级。
三个入口:把文件拖到 start.bat、命令行 start.ps1、常驻本地接口 start_server.ps1;结果在 outputs/。
VL 的 GPU 推理使用 CUDA 延迟加载与数学注意力后端,减少工作进程常驻内存;配置说明见 模型清单。
- 这是什么: 本机识别图片、扫描 PDF 和截图里的文字。
- 我怎么用: 把文件拖到
start.bat,在outputs/看结果。 - 怎么知道正常: 能看到识别出的文字;重要内容对照原图核对。
- 坏了怎么提醒我: 已配置只读每晚自检,仅覆盖登记的检查命令;其他问题仍直接跟 AI 说。
- 让 AI 做什么: 让 AI 识别指定文件、解释结果和读不清的地方。
- 详细用法见 AI 使用说明,排查见 故障说明。
实况接入单在 docs/live.contract.json。用 python -B -m localocr.live_snapshot --data-root <运行数据根> --output docs/live.snapshot.json --runtime-output <仓库外运行目录/live.json> --owner-output <私人配套快照> --sources-output <私人来源登记> 按需重取;只读任务元数据和文件存在,不加载模型或读取识别正文。静态值没变就保留源时刻和文件;实时模型小输出存到被忽略的 _server/ 或仓库外。
批量读复用 ChineseASR P08 的 read_latest_complete_results(localocr/retained_results.py):一次读取,每原件取最新完整结果,新失败或缺产物不会盖掉旧完整稿。完整仅指 TXT/MD/JSON/客观结果四文件仍在,不代表本次复验内容哈希。原件名和本机打开目标只放私人配套;公开只给聚合数和匿名日期、类型。每个结果目录只登记一个稳定的 exists 别名,产物写 open:{source,path},相对路径用正斜杠;同目录新增结果不改登记,新输出目录才需补一个目录别名。
本仓无独占计划任务;现有 PCConfig 共用夜检只跑测试,尚未调用这份按需输出。每晚采样和模型变动触发须由共享接线方接上,手工运行不算已自动刷新。没有自动触发前,按需静态数不设陈旧阈值;接上每晚采样后可配置两天阈值。模型实测七天标旧。
模型无关验证:python -B -m unittest discover -s tests -v。Windows wrapper 行为用本机 Windows 或 WSL 的 Windows 互操作;不运行 GPU 验收或私人样例。