1. Einführung in das Tutorial

OCRFlux-3B ist ein Toolkit, das auf einem multimodalen Großsprachenmodell basiert und vom ChatDOC-Team am 17. Juni 2025 veröffentlicht wurde. Es dient der Konvertierung von PDFs und Bildern in sauberen, lesbaren Markdown-Text. Das Tool bietet nicht nur Textkonvertierungsfunktionen auf Seitenebene, sondern unterstützt auch das Zusammenführen von Tabellen und Absätzen über mehrere Seiten hinweg und bietet so umfassende Unterstützung bei der Verarbeitung komplexer Dokumentstrukturen.

Dieses Tutorial verwendet eine einzelne RTX 4090-Karte als Ressource. Das Projekt bietet drei Demonstrationsbeispiele: PDF-Dokument, Bilddokument und mehrere Dateien.

2. Projektbeispiele

PDF-Dokument

Bilddokument

Mehrere Dateien

3. Bedienungsschritte

1. Klicken Sie nach dem Starten des Containers auf die API-Adresse, um die Weboberfläche aufzurufen

2. Anwendungsschritte

Wenn „Bad Gateway“ angezeigt wird, bedeutet dies, dass das Modell initialisiert wird. Da das Modell groß ist, warten Sie bitte etwa 2–3 Minuten und aktualisieren Sie die Seite.

PDF-Dokument

Parameterbeschreibung

• Erweiterte Einstellungen:
  • Zielbilddimension: Zielbildgröße, wird verwendet, um die Größe des generierten Bildes zu steuern.
  • Max. Seitenwiederholungen: Maximale Anzahl von Wiederholungsversuchen, die zur Behandlung von Fehlern bei der PDF-Seitenanalyse verwendet werden.
  • Überspringen der seitenübergreifenden Zusammenführung: Überspringen der seitenübergreifenden Zusammenführung, wird verwendet, um Inhalte über mehrere Seiten in einem Dokument hinweg zu verarbeiten.

Bilddokument

Mehrere Dateien