Zerox OCR：将复杂文档高效转换为 Markdown 的开源工具
Zerox OCR 是一款基于 AI 视觉模型的开源文档智能转换工具，旨在将 PDF、DOCX 及各类图片文件精准地转化为结构化的 Markdown 格式。它通过将文档拆分为图像序列并交由 AI 模型识别，能够有效处理复杂的文档布局、表格及图表，避免了传统 OCR 常见的格式混乱问题。
核心功能与技术优势
- 多模型兼容： 通过 Node.js SDK，支持集成 OpenAI (GPT-4o-mini)、Azure OpenAI、Anthropic、AWS Bedrock 及 Google Gemini 等主流视觉模型，具备极强的扩展性。
- 自动化数据管线： 支持批量文档处理并与存储系统实时同步，用户无需手动复制粘贴即可快速构建高效的数据处理流程。
- 结构化输出： 采用“拆分 - 识别 - 整合”的机制，确保最终输出的 Markdown 数据在逻辑结构上与原文档高度一致。
快速上手与资源
用户可以通过以下渠道体验 Zerox OCR 的能力或获取源代码：
- GitHub 仓库： https://github.com/getomni-ai/zerox
- 在线演示： https://getomni.ai/ocr-demo
正文完
