|
2 | 2 |
|
3 | 3 | ## 🚀 项目简介 |
4 | 4 |
|
5 | | -本插件为 **Umi-OCR** 提供多个主流AI模型的OCR 功能,支持主流 AI 服务提供商的视觉识别 API。作为离线 OCR 的强力补充,为用户提供更高精度、更广泛语言支持的云端文字识别服务。 |
| 5 | +本插件为 **Umi-OCR** 提供 **13个主流AI服务商** 的OCR功能,支持云端和本地AI服务的视觉识别API。作为离线OCR的强力补充,为用户提供更高精度、更广泛语言支持的智能文字识别服务。 |
6 | 6 |
|
7 | 7 |
|
8 | 8 | ## 🌟 支持的 AI 服务商 |
|
18 | 18 | | **Google Gemini** | gemini-2.5-flash | 速度快,成本低 | |
19 | 19 | | **xAI Grok** | grok-4 | 创新模型,独特优势 | |
20 | 20 | | **OpenRouter** | anthropic/claude-3.5-sonnet | 统一接口,模型丰富 | |
21 | | -| **MinerU** | mineru-ocr | 专业OCR平台,文档识别强 | |
| 21 | +| **Groq** | llama-3.3-70b-versatile | 高性能推理,速度极快 | |
| 22 | +| **魔搭 (ModelScope)** | Qwen/Qwen-VL-Plus | 阿里达摩院开源平台,模型丰富 | |
| 23 | +| **无问芯穹 (Infinigence)** | kimi-k2-instruct | 月之暗面AI平台,长文本处理强 | |
| 24 | +| **Mistral AI** | pixtral-12b-2409 | 欧洲AI公司,视觉模型优秀 | |
| 25 | +| **浦源书生 (Intern)** | internvl3.5-241b-a28b | 学术界AI平台,多模态能力强 | |
22 | 26 |
|
23 | 27 | ### 🏠 本地服务商(离线识别) |
24 | 28 | | 服务商 | 建议模型 | 特点 | |
25 | 29 | |--------|----------|------| |
26 | | -| **Ollama** | llava, llava:7b, bakllava | 🔒 **完全离线**,隐私保护,免费使用 | |
27 | | -| **LM Studio** | llava, llava-1.5-7b-hf | 🔒 **完全离线**,图形界面友好,OpenAI兼容 | |
| 30 | +| **Ollama** | llava, llava:7b, bakllava | 🔒 **完全离线**,隐私保护,免费使用,**支持自定义地址** | |
| 31 | +| **LM Studio** | llava, llava-1.5-7b-hf | 🔒 **完全离线**,图形界面友好,OpenAI兼容,**支持自定义地址** | |
| 32 | + |
| 33 | +> 💡 **自定义地址功能**:Ollama 和 LM Studio 支持自定义 API 地址,您可以: |
| 34 | +> - 🌐 连接到局域网内其他机器上的 Ollama/LM Studio 服务 |
| 35 | +> - ⚡ 在配置较低的机器上运行 Umi-OCR,连接到高性能机器上的 AI 服务 |
| 36 | +> - 🔧 灵活部署,充分利用现有硬件资源 |
| 37 | +> - 📡 支持远程AI服务,实现分布式OCR处理 |
28 | 38 |
|
29 | 39 |
|
30 | 40 | ## 📋 关于 Umi-OCR |
|
175 | 185 | 2. 注册账号并创建API密钥 |
176 | 186 | 3. 国产大模型,多模态能力强 |
177 | 187 |
|
178 | | -### MinerU |
179 | | -1. 访问 [MinerU平台](https://mineru.net/) |
180 | | -2. 注册账号并获取API密钥 |
181 | | -3. 专业OCR平台,文档识别能力强 |
182 | | - |
183 | 188 | ### OpenRouter |
184 | 189 | 1. 访问 [OpenRouter](https://openrouter.ai/keys) |
185 | 190 | 2. 注册账号并创建API密钥 |
186 | 191 |
|
| 192 | +### Groq |
| 193 | +1. 访问 [Groq Console](https://console.groq.com/) |
| 194 | +2. 注册账号并获取API密钥 |
| 195 | +3. 高性能推理平台,速度极快 |
| 196 | + |
| 197 | +### 魔搭 (ModelScope) |
| 198 | +1. 访问 [魔搭社区](https://www.modelscope.cn/) |
| 199 | +2. 注册账号并获取访问令牌 (Access Token) |
| 200 | +3. 阿里达摩院开源AI平台 |
| 201 | + |
| 202 | +### 无问芯穹 (Infinigence) |
| 203 | +1. 访问 [无问芯穹平台](https://cloud.infini-ai.com/) |
| 204 | +2. 注册账号并获取API密钥 |
| 205 | +3. 月之暗面AI平台,长文本处理能力强 |
| 206 | + |
| 207 | +### Mistral AI |
| 208 | +1. 访问 [Mistral Platform](https://console.mistral.ai/) |
| 209 | +2. 注册账号并创建API密钥 |
| 210 | +3. 欧洲AI公司,视觉模型优秀 |
| 211 | + |
| 212 | +### 浦源书生 (Intern) |
| 213 | +1. 访问 [书生·浦语平台](https://chat.intern-ai.org.cn/) |
| 214 | +2. 注册账号并获取API密钥 |
| 215 | +3. 学术界AI平台,多模态能力强 |
| 216 | + |
187 | 217 | ## 🏠 本地服务安装指南 |
188 | 218 |
|
189 | 219 | ### Ollama (完全离线) |
|
273 | 303 |
|
274 | 304 |
|
275 | 305 | ## 📝 版本历史 |
276 | | -- **v2.4.0**:🚀 **重大更新** - 新增本地离线识别支持!添加Ollama、LM Studio本地服务商,新增MinerU云端服务商,完全离线OCR成为可能。优化识别文字对齐,现在识别后的文字与原图蚊子位置只有轻微偏移。 |
| 306 | +- **v2.5.0**:🎉 **社区贡献更新** - 新增5个AI服务商支持!添加Groq(高性能推理)、魔搭ModelScope(阿里达摩院)、无问芯穹Infinigence(月之暗面)、Mistral AI(欧洲AI)、浦源书生Intern(学术界AI),大幅扩展AI服务商选择。优化本地服务自定义地址功能。 |
| 307 | +- **v2.4.0**:🚀 **重大更新** - 新增本地离线识别支持!添加Ollama、LM Studio本地服务商,支持自定义API地址,完全离线OCR成为可能。优化识别文字对齐,现在识别后的文字与原图位置只有轻微偏移。 |
277 | 308 | - **v2.3.0**:新增阿里云百炼和智谱AI支持,更新所有服务商默认模型,优化界面布局,移除重试次数配置(内置3次) |
278 | 309 | - **v2.2.0**:支持一次性配置所有服务商,切换时无需重新输入API密钥和模型 |
279 | 310 | - **v2.1.0**:增加支持硅基流动、豆包视觉模型 |
|
0 commit comments