小书芽扫描件(图片)识别使用指南

功能概要

基于视觉大模型技术，支持对扫描版PDF文档及图片进行文本识别，特别优化了对古文断句和繁体字转换的支持。

• 对于非扫描版pdf，在本模块下，也是将pdf一张一张转化为图片后进行识别。

功能截图

注意事项

1. 模型选择限制：

   • 仅支持选择视觉模型进行处理

2. 模型性能对比：

   • 智谱AI GLM-4V-FLASH：
     • 优点：免费模型，响应速度快
     • 缺点：繁体字转换和文言文断句效果一般
   • 硅基流动 Qwen/Qwen2.5-VL-72B-Instruct：
     • 优点：识别精度高，支持复杂文本处理
     • 缺点：处理速度较慢
     • 备注：可使用硅基流动注册赠送的额度

3. 推荐配置：

   • 对精度要求高的文档建议使用Qwen2.5-VL-72B-Instruct模型
   • 对速度要求高的场景可使用GLM-4V-FLASH模型