local-llm-pdf-ocr

本地跑视觉大模型，扫描 PDF 秒变可搜索文本

local-llm-pdf-ocr 是一个把扫描版 PDF 转成可搜索文本的本地工具，核心思路是调用视觉大模型 olmOCR 完成 OCR，全程离线运行，不上传任何文件，也不需要 API Key。它解决的是传统 OCR 对复杂排版、表格、公式识别差，以及云端 OCR 服务收费、隐私风险高的问题。项目同时提供现代 Web UI 和 CLI 两种使用方式，后端基于 FastAPI，支持把识别结果写回 PDF 生成可搜索文档。适合处理合同、论文、发票、书籍等扫描件，尤其适合对数据隐私敏感、不想把文件交给第三方云服务的个人和小团队。安装后只需本地跑起服务，上传 PDF 即可得到带文字层的可搜索版本，免费且可批量处理。

开源 free 计算机视觉

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 120

维护状态较活跃

是否开源是

定价模式 free

项目数据

分类计算机视觉

开发团队ahnafnafee

所属国家

官网地址https://www.ahnafnafee.dev/blog/local-llm-pdf-ocr

GitHubhttps://github.com/ahnafnafee/local-llm-pdf-ocr

定价模式free

价格说明开源免费，本地离线运行无需API密钥

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型document-processing,fastapi,local-llm,no-api-key,ocr,offline-ai,olmocr,pdf-ocr,privacy-focused,python,searchable-pdf,surya-ocr,vision-llm,web-ui

GitHub 星标★ 120

30天Star增速

HF 下载量

上线时间2025-12-14 00:00:00

最近更新2026-09-28 00:00:00

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-29

浏览次数0

使用教程

核心亮点

完全离线运行，文件不出本机，无 API Key 和调用费用
用 olmOCR 视觉大模型做 OCR，对复杂版式、表格、公式的识别优于传统 OCR
同时提供 Web UI 和 CLI，既能交互式上传也能脚本批量处理

不足之处

依赖本地视觉大模型，对显卡显存和算力有要求，低配机器体验受限
项目星标约 120，属于早期阶段，文档和社区生态还在完善中

适用场景

处理含表格、公式的学术论文扫描件，转成可搜索 PDF 便于检索引用
律师或财务人员本地批量 OCR 合同、发票，避免敏感文件上传云端
个人把纸质书扫描件转成可搜索文本，离线整理个人知识库

替代项目

OCRmyPDF、PaddleOCR、Tesseract

项目介绍

local-llm-pdf-ocr 是计算机视觉领域的开源项目，由 ahnafnafee 开发，2025 年首次发布。

它收录于计算机视觉分类，该分类目前共有 467 个项目，GitHub 星标数为 120。

项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-28。开源免费，本地离线运行无需API密钥。

它主要面向的使用场景是：处理含表格、公式的学术论文扫描件，转成可搜索PDF便于检索引用。同类可对比的替代方案包括 OCRmyPDF、PaddleOCR、Tesseract。

上一篇：laravel-ocr

下一篇：manuscript-ocr