标记到标记处的 PDF
将文档转换为 RAG 和 LLM 的清除标记到标记下方 。
将 PDF 转换为 Markdown, 保持文档的结构, 而不是将其平整为一长串文字。 OCR.chat 读取每页, 加上其高级 AI 引擎, 重建标题、 符号和编号列表、 表格和阅读顺序, 以干净、 符合布局的标记, 支持 Markdown 的任何地方都可以使用 。
工具是为任何人将文件输入LLMS和RAG管道而设计的,而模型的结构正是其实际原因所在。 它同样有助于将报告、手册、合同和研究论文转移到Obsidian、Notion或静态现场回放等备注应用程序中,或者将扫描的施舍转换成可编辑的Markdown,您可以在几秒钟内清理。
OCR.chat 允许在不注册的情况下尝试, 而 PDF 到 Markdown 会在 AI 级的溢价上运行, 如此复杂的布局、 多列页面和嵌入的表格会完整地通过而不是乱动。 您可以看到在您原页旁边的识别的 Markdown, 并标出低信任点, 这样您就可以信任您在它到达您的模型或笔记之前所复制的东西 。
如何 标记到标记处的 pdf
1
上传文档
拖放 PDF 或图像到页面上,粘贴一个截图,或从设备中选择文件。
2
让AI引擎读读它
AI级特别奖处理每页,查出标题、清单和表格,并正确阅读顺序。
3
并肩审查
检查在你原版旁边生成的标记, 以低信任度文字标记, 以便没有漏掉任何不留意的滑落 。
4
下载或复制标记
导出.md 文件或将 Markdown 直接复制到您的剪贴板上, 用于 RAG 管道、 复制或注释应用程序 。
通用用途
- 准备供RAG和LLM摄入的文件,标题和清单为模型提供了它需要的检索结构和准确的理由。
- 将报告、手册和PDF转换成备注应用程序,
- 将扫描研究论文和文章变成清晰标记,供引用、注解或重写。
- 将产品文档和内部维基元转换成 Markdown, 用于静态站点生成器或文档再处理 。
- 合同和政策结构化文本摘录,以便法律和合规小组能够搜索和引用。
- 将印刷的传单和工作单数字化,编辑课程材料和学习说明的可编辑标记。
经常问到的问题
高级 AI 引擎按复杂的布局调整, 通常会忠实地复制标题、 列表、 表格和阅读顺序。 每个结果都会与您原始的和低信任文本同时显示, 这样您就可以在使用前验证任何内容 。
您可以上传 PDF 和 PNG 、 JPG、 WEBP、 GIF、 BMP 和 TIFF 图像。 输出为 Markdown (. md) 文件, 您也可以从结果屏幕上将 Markdown 复制到您的剪贴板 。
是。表格被重新编为真正的马克唐表,用一致的列而不是错误的文字运行,页上没有任何东西静悄悄地被删除。
马克唐保持了文档的结构,如标题、列表和表格,而LLMS用这些标题、列表和表格来理解上下文并检索正确的段落。 原始文本倾弃会失去这种结构,通常会产生更糟糕的答案。
是。 AI级的溢价检测多列布局,并按正确的读法重新组装,而不是逐行将列列线相互隔开。
OCR.chat承认以100多种语言(包括拉丁文、中文、日文、韩文、阿拉伯文、西里尔文和印第西文)写成的文字。 外语被抄写成书面文字,从不自动翻译。
是的 。 部分标题成为标记标题 (# 和 # ), 所以您的文档保留其大纲, 单行或缩进的段落被作为代码块包裹。 结构让RAG 检索器块在标题上, 而LLM 保存代码片段完整。
OCR.chat 关注文字内容, 因此图表、 照片和图数不会作为二进制嵌入标记唐。 数字中的任何文字, 如标签或标题, 仍然被读取并按阅读顺序排列, 通常LLM需要这样的东西 。
内线符号和简单表达式被转写为文字, 高额AI级可以使数学成为LaTeX, 使方程式以LLM 能够读的形式生存。 密密或手工绘制的标记应该与侧侧侧视图对照检查 。
其方向是 。 标记会降低原始 PDF 垃圾堆的布局噪音和重复白空格, 这样您就会发送更紧、结构更完善的输入。 对于很长的 PDF 来说, 您可以将由此产生的标记分割为 留在模型上下文窗口下 。
单个转换在浏览器中运行,背景中则运行较大或多文件的工作进程。 免费使用随月页允许; 5美元/ mo的付费计划会增加更多页( 信用计数作为页数 ), 批量处理, 以及 REST API, 这样您就可以将 PDF 直接从自己的管道转换为 Markdown 。
您可以在不注册的情况下免费尝试。 免费账户可以每月发放页面津贴, 5美元/ 美元增加更多页数、 批量处理和 API 访问的付款计划。 文件只为 OCR 处理, 然后自动删除, 并且从未出售或共享 。
通过 API 使用此功能
程序运行此工具时使用一个 POST 。 验证时使用账户页面上的 API 符号 。
curl -X POST https://ocr.chat/api/v1/ocr/ \
-H "Authorization: Bearer YOUR_API_TOKEN" \
-F "file=@your-file.png" \
-F "tool=pdf-to-markdown"5页以下的文件, 5页以下的文件返回结果内线; 否则对任务进行民意调查, 然后按 md:
curl -L "https://ocr.chat/api/v1/ocr/JOB_UUID/download/?format=md" \
-H "Authorization: Bearer YOUR_API_TOKEN" -o result.md