GPTFree
llama-ocr

llama-ocr

画像文字を抽出するnpmライブラリ

画像から文字を取り出し、Markdownで出力

開発とツールAIモデル together aivLLMsオープンソースAIモデルOCRLlama
公式サイトを開く →

主な特徴

無料で使えるオープンソースのnpmライブラリ
Llama 3.2 Vision によるOCRからMarkdownへ出力
ローカル画像とリモート画像を読み込める
無料と有料のモデル選択肢を用意

使える場面

  • アプリに画像文字抽出機能を追加する
  • 紙の文書処理を自動化する
  • 画像から必要な情報を取り出す

使い方

  1. 1 npmでパッケージをインストールします。
  2. 2 モジュールを取り込み、APIキーを設定します。
  3. 3 ローカルまたはリモートの画像に対してOCR関数を呼び出します。
  4. 4 返されたMarkdownの結果を処理します。
  5. 5 別の選択肢が必要なら、別のモデルに切り替えます。

こんな方におすすめ

アプリにOCRを組み込みたい開発者紙の文書をデジタル化したい事業者画像から文字を取り出したい個人

メリット

  • 無料で使える
  • Markdown出力なので扱いやすい
  • ローカル画像とリモート画像の両方に対応する

制限事項

  • 開発者向けライブラリなので、コードを書く作業と初期設定が必要
  • リモート呼び出しは外部のモデルAPIとキーに依存する
  • PDF対応は予定段階で、現時点では使えない

llama-ocr とは

llama-ocr は、Llama 3.2 Vision を使ってOCRを行い、認識したテキストをMarkdown形式で出力する無料のオープンソースnpmライブラリです。ローカル画像とリモート画像を読み込め、単一ページと複数ページのPDFへの対応は今後のリリースで予定されています。Zerox に着想を得て作られており、無料と有料のインターフェースを備えるため、最初は無料で試し、必要が出てからモデルを切り替えることができます。自分のアプリケーションに画像文字抽出機能を追加したい開発者向けで、結果は保存、検索、画面表示に適した形で返ります。

できること

- ローカル画像またはリモート画像にOCRを実行する

- 認識した文字をMarkdown形式で受け取る

- 無料と有料のモデル選択肢から選ぶ

- PDF入力が追加された時を見込んで準備する

こんな人に向いています

- アプリにOCR機能を追加したい開発者

- 紙の文書をデジタル化したい事業者

- 画像の中から文字を取り出したい個人

注意点

これは完成品のアプリではなく、開発者向けの部品なので、コードを書き、初期設定をする必要があります。npmでインストールし、モジュールを取り込み、APIキーを構成して初めて動作します。リモートのOCR呼び出しは外部のモデルAPIに依存するため、通信環境と有効なキーが必要で、サービスの変更は利用者の管理外です。PDF対応はまだ予定段階なので、今すぐPDFを扱いたい場合は画像に変換する必要があります。まず小さなテストファイルで結果を確認し、重要な文書に使う前に出力を丁寧に見直してください。無料枠の条件は今後変わる可能性があるため、毎日利用する前に公式ページの現在の範囲を確認するとよいでしょう。

よくある質問

llama-ocr とは何ですか。

Llama 3.2 Vision を使ってOCRを行い、Markdown形式で出力する無料のオープンソースnpmライブラリです。

どのような入力を扱えますか。

ローカル画像とリモート画像に対応しています。単一ページと複数ページのPDFへの対応は予定されています。

インストール方法はですか。

npmでインストールし、モジュールを取り込み、APIキーを設定してからOCR関数を呼び出します。

無料で使える理由

公式ページの記載内容: 免费使用免费zh-継承済み

無料の上限、トライアル期間、機能は公式サイトが決定し、いつでも変更される場合があります。

製品プレビュー

llama-ocr 製品プレビュー

一覧ページから保存したスクリーンショットです。プレビュー専用です。

llama-ocr

Llama 3.2 Visionを利用してOCRを行う無料のnpmライブラリ。テキストをmarkdown形式で出力します。

公式サイトを開く →

関連する無料ツール