標籤：ocr

Semark：把 PDF / Office / HTML / 圖片轉成 RAG-ready Semantic Markdown

整理 Semark 開源工具：用 MinerU + VLM/LLM 把 PDF、Office、HTML、圖片轉成 semantic Markdown、chunks、source maps 與主文/子文件，補足 OCR 對流程圖、表格、UI 截圖語意關係的缺口。Apache-2.0。

iOS OCR Server：把 iPhone 變成本地 Apple Vision OCR 伺服器

iOS OCR Server 使用 Apple Vision Framework，把 iPhone 變成可在區網調用的本地 OCR server；GitHub 已約 1.5k stars，MIT 授權。

PDF 轉 Markdown 工具爆發：100 頁/秒、掃描稿修復與 Clone-Wars 開源 App 克隆大全

LiteParse v2：Rust 重寫後，PDF 解析從後端批次工具變成 agent 即時能力

LlamaIndex 將 LiteParse v2 以 Rust 重寫，提供 Rust、Node、Python、WASM 與 CLI 多語言介面，主打本地、無 LLM、無 API key 的快速文件解析。它適合 agent/RAG 工作流中需要快速讀 PDF、產生 bounding boxes、截圖與瀏覽器端解析的場景；但複雜表格、掃描文件與高準確率 OCR 仍應和 LlamaParse、Docling 或專用 OCR 流程比較。

Chandra OCR 2：把複雜 PDF、表格與手寫文件轉成可餵給 RAG 和 Agent 的結構化文本

Chandra OCR 2 的重點不是單純辨識文字，而是把 PDF、掃描文件、表格、公式、手寫表單等保留結構後轉成 Markdown/HTML/JSON，降低 RAG 與 Agent 文件處理的清洗成本。

Hugging Face 用 Codex + 開源 OCR + Jobs 處理 3 萬篇論文：真正有價值的不是 OCR 本身，而是把『論文可聊天化』做成一條可批量執行的產線

這篇 Hugging Face 文章最值得記的，不只是 OCR 了 3 萬篇論文，而是它展示了一條很完整的 AI 內容處理產線：找缺口、選 benchmark、挑開源模型、用 agent 寫腳本、再用 serverless GPU 大規模跑完。

TaiLexi AI 推出完全地端去識別化，真正解的不是功能問題，而是法律工作採用 AI 的信任門檻