Convierta documentos PDF para IA
Desarrollado por AllenAI, olmocr es un conjunto de herramientas que convierte documentos PDF en formatos de texto adecuados para modelos de lenguaje grandes. Este software facilita los procesos de preparación de conjuntos de datos al proporcionar un procesamiento lineal de estructuras de documentos complejas.
Actualizaciones
- 2 de agosto de 2026: Estrellas 18,418 → 19,259, última versión v0.4.27 (12 de marzo de 2026).
Qué aporta
- Convierte formatos de imagen y PDF para limpiar texto Markdown
- Procesa ecuaciones, tablas y diseños complejos en el orden de lectura correcto.
- Borra automáticamente la información del encabezado y pie de página
Instalación
sudo apt-get update
sudo apt-get install poppler-utils ttf-mscorefonts-installer msttcorefonts fonts-crosextra-caladea fonts-crosextra-carlito gsfonts lcdf-typetoolsconda create -n olmocr python=3.11
conda activate olmocrSi no programa
Quiero convertir los documentos PDF que tengo a un formato Markdown limpio que los modelos de inteligencia artificial puedan leer fácilmente. ¿Puedes explicarme paso a paso los pasos de instalación necesarios para este proceso y el método para ejecutarlo en la GPU local?
Términos relacionados del glosario
Enlaces
TreScout no desarrolló esta herramienta · la encontramos en las tendencias de GitHub y la presentamos. Esta página describe el repositorio tal como estaba el 2026-07-02: El número de estrellas y nuestro texto son de ese día, el repositorio puede haber cambiado desde entonces. Consulte el enlace del repositorio para ver el estado actual. Esta página se tradujo automáticamente del original en turco · prevalece la versión turca.