GOT-OCR-2-GUI

See English version here

关于此项目

模型权重：https://hf-mirror.com/stepfun-ai/GOT-OCR2_0

原Github：https://github.com/Ucas-HaoranWei/GOT-OCR2.0/

感谢GLM4提供的一部分代码（因为本人实在是菜，所以不得不用一下AI）

其实CLI的开发比GUI还要慢，不过我现在打算先把GUI的改动同步到CLI，然后先更新CLI，等CLI稳定后再更新GUI

点个star吧

转换为pdf已在GUI-ZH_CN和GUI-EN中可用，CLI中暂不可用

使用方法

如果这里面提到的文件夹你没有，那就新建一个

依赖

使用pip安装

• gradio
• transformers
• pdfkit
• beautifulsoup4

  其他

• wkhtmltopdf，下载压缩包，解压放进wkhtmltopdf文件夹中
• 文件结构应该是：

  GOT-OCR-2-GUI
  ├─wkhtmltopdf
  │  ├─bin
  │  │  ├─wkhtmltopdf.exe
  │  │  ├─wkhtmltox.dll
  │  │  ├─libwkhtmltox.a
  │  │  └─wkhtmltoimage.exe
  │  └─include
  │     └─wkhtmltox
  │        └─...

下载模型文件

1. 下载到models文件夹中
2. 别少下载文件了
   • 文件结构应该是：

     GOT-OCR-2-GUI
     ├─models
     │  ├─model.safetensors
     │  ├─config.json
     │  └─你在huggingface下载的其他文件
     ├─CLI-EN.py
     ├─GUI-ZH_CN.py
     ├─GUI-EN.py
     └─...

     开始使用

3. 选一个你喜欢的脚本打开
4. 用GUI的可以不管，不过用CLI的各位记得把要OCR的图放进imgs文件夹里（CLI目前只检测.jpg和.png图片）

其他

• 非必要不需要用tests文件夹中的内容
• 脚本闪退的话可以试一下用cmd跑python +文件名，我自己测试时会出现闪退的情况，我也不知道为什么