glmocr

glmocr について

次の場合に起動します。（1）画像／PDF／スキャン文書からテキスト、表、数式、構造化データを抽出したい場合。（2）「OCR」「文字識別」「文書解析」に言及した場合。（3）スクリーンショット、スキャンページ、請求書、論文、ホワイトボード写真などの文書の内容を構造化して取得したい場合。（4）視覚的な文書の解析、デジタル化、内容抽出を求めた場合。GLM-OCR SDK（pip install glmocr）を呼び出し、ZhipuのクラウドAPI経由で文書を解析します。GPUは不要です。ラベルとバウンディングボックスを含む領域の構造化JSONとMarkdownを返します。AgentはYAMLファイルなしでCLIのみで動作できます。リアルタイムカメラ映像、音声の文字起こし、文書以外の画像（写真、イラスト）には使用しないでください。