Zerox
不活跃简介
基于视觉模型的 OCR 与文档提取工具，支持将 PDF、图片等文档高效转换为结构化文本。
核心特性
- 将 PDF、DOCX、图片等文档转换为图像后调用视觉模型生成 Markdown
- 支持 OpenAI、Azure OpenAI、AWS Bedrock、Google Gemini、Vertex AI 多家模型供应商
- 提供 Node.js 和 Python 双语言 SDK，异步 API 与并发处理
- 内置结构化数据提取功能，支持自定义 Schema 从文档中抽取结构化信息
- 支持页面方向校正、边缘裁剪、格式保持等文档预处理能力
- 提供 maintainFormat 选项实现跨页表格等复杂布局的一致性输出
适用场景
💡 RAG 管道中将 PDF 文档转换为可检索的 Markdown 文本
💡 发票、合同等商业文档的结构化信息自动提取
💡 批量处理扫描文件并生成可编辑的文本版本
💡 将图表、表格密集型文档转换为 AI 可理解的格式
💡 为 AI Agent 提供文档理解能力，支持多模态输入
优势与不足
✅ 优势
- • 社区热度高（12.3k stars）
- • 开源许可证友好（MIT）
- • 项目有一定历史沉淀（已维护 2 年）
- • Issue 响应及时，积压少
⚠️ 不足
- • 已超过 15 个月未更新
分类
快速开始
1. Node.js 安装：`npm install zerox`
2. 使用示例：
```ts
import { zerox } from 'zerox';
const result = await zerox({
filePath: 'path/to/document.pdf',
credentials: { apiKey: process.env.OPENAI_API_KEY },
});
```
3. 或安装 Python 版本：`pip install py-zerox`