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
主な特徴
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 npmでパッケージをインストールします。
- 2 モジュールを取り込み、APIキーを設定します。
- 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 返されたMarkdownの結果を処理します。
- 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
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
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。