- 首先为取代 mathpix (到期了，价格贵)
- 发现大语言模型多模态具有识别 公式，代码块，甚至手写
- 测试用的 qwen2.5-vl-7b 感觉已经可以媲美 mathpix
- 价格便宜，平均 1¥可以识别 1000 张图
- 自己用 swiftUI 开发了一个软件，仅 2M 大小，调用大模型进行 OCR ，可实时预览及修改
- 项目地址 TextPix
- 软件界面
• 请不要在回答技术问题时复制粘贴 AI 生成的内容
This topic created in 552 days ago, the information mentioned may be changed or developed.
 |
ashingMay 1, 2025
1
看起来还不错，有空体验下。
|
 |
xuemianMay 2, 2025
2
大佬
|
 |
SeaSaltPepperMay 2, 2025
3
歪个楼：有没有什么地方能看 LLM OCR 跑分排名的
|
 |
4
@SeaSaltPepper ocrBench ，ocrBenchV2 ，docVQA, infoVQA ，ChartQA ，TableVQA ， 几个多模态指标都是看视觉模型对文字的识别理解能力的。 都有 leaderboard
|
1 |
yjxjnMay 2, 2025
5
同楼咨询个问题。
我目前在做的项目，也是关于 OCR 识别。但是要识别试卷内容。进行阅卷。现在有个问题，这种大模型可以识别出试卷之类的么？用了 paddleOCR ，客观题，直接就嘎了。 |
 |
lamsesMay 2, 2025
6
|
 |
loadingimgMay 2, 2025 via iPhone
7
自己基于 qwen vl 可以微调一下
|
 |
zggsongMay 2, 2025
8
试了一下，prompt 识别公式效果还是蛮好的，理论上使用现有的类似 Bob 配置 llm 服务也能实现该效果
 |
 |
HaroldFinchNYCMay 3, 2025
12
实际上我用 ocr 的机会不多
但我知道有个行业用的比较多，就是教育行业 |
 |
13
@HaroldFinchNYC 害，学生用的多嘛
|
Select Language