在處理文檔轉(zhuǎn)換時(shí)，尤其是將 PDF 轉(zhuǎn)換為可編輯的 Markdown 格式，我們常常會(huì)遇到各種難題，比如復(fù)雜的布局、表格、圖表等元素難以準(zhǔn)確識(shí)別和轉(zhuǎn)換。

今天給大家介紹一個(gè)強(qiáng)大的開(kāi)源項(xiàng)目——Zerox，它利用視覺(jué)模型技術(shù)，能夠輕松解決這些問(wèn)題，讓你的文檔轉(zhuǎn)換工作變得高效而準(zhǔn)確。

?

為什么Zerox值得關(guān)注？

1. 零樣本OCR識(shí)別，開(kāi)箱即用
傳統(tǒng)OCR工具需要大量樣本訓(xùn)練才能精準(zhǔn)識(shí)別文字，而Zerox基于GPT-4o-mini模型，無(wú)需任何預(yù)訓(xùn)練即可處理復(fù)雜布局文檔，包括表格、圖表甚至手寫體，準(zhǔn)確率遠(yuǎn)超同類工具。

2. 輸出Markdown格式，完美保留結(jié)構(gòu)
無(wú)論是PDF、DOCX還是掃描圖片，Zerox都能將內(nèi)容轉(zhuǎn)換為結(jié)構(gòu)化Markdown，自動(dòng)生成標(biāo)題、列表、表格等元素。例如，發(fā)票中的金額表格能直接轉(zhuǎn)為Markdown表格，方便二次編輯。

3. 手寫體識(shí)別“殺手锏”
許多OCR工具對(duì)打印體效果尚可，但對(duì)手寫體束手無(wú)策。Zerox通過(guò)多模型兼容技術(shù)，對(duì)手寫筆記、簽名等內(nèi)容的識(shí)別準(zhǔn)確率高達(dá)90%以上，堪稱“打工人救星”。

4. 支持API集成，企業(yè)級(jí)效率工具
開(kāi)發(fā)者可通過(guò)Node或Python SDK快速集成Zerox，實(shí)現(xiàn)批量文檔處理自動(dòng)化。適用于法律合同解析、學(xué)術(shù)論文整理等場(chǎng)景，節(jié)省80%人工整理時(shí)間。

3步極速上手Zerox

第一步：安裝依賴

npm install zerox  # Node版本
# 或
pip install zerox  # Python版本

第二步：調(diào)用API識(shí)別文件
以Node為例，讀取PDF并輸出Markdown：

import { zerox } from "zerox";
const result = await zerox({
  filePath: "invoice.pdf",  // 支持本地文件或URL
  openaiAPIKey: "YOUR_API_KEY",  // 需自備OpenAI API Key
});
console.log(result.pages[0].content);  // 輸出Markdown內(nèi)容

第三步：查看結(jié)果
生成的Markdown會(huì)自動(dòng)包含表格、標(biāo)題層級(jí)和文本樣式，例如：

Zerox vs 其他OCR工具：差異在哪？

• ? 格式兼容性：支持20+文件格式（包括冷門的WPS、ODT等），而多數(shù)工具僅限PDF/圖片。
• ? 并發(fā)處理：可同時(shí)處理多頁(yè)文檔，速度比傳統(tǒng)工具快3倍。
• ? 開(kāi)源免費(fèi)：代碼完全公開(kāi)，企業(yè)可二次開(kāi)發(fā)，避免商業(yè)OCR的高額授權(quán)費(fèi)。

項(xiàng)目地址：https://github.com/getomni-ai/zerox