Pix2Text

图片直接转 Markdown,公式表格全搞定,免费替代 Mathpix

开源 🏷️基础免费,高级付费 ⚠️ 链接可跳转,访问体验不确定 计算机视觉 🍴 复刻 283 🐛 待处理 43 👀 关注 21
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 3285
维护状态 低维护
是否开源 开源
定价模式 🏷️基础免费,高级付费 支持限时试用 · 开源免费,提供在线Demo,高级功能或云服务可能收费

项目预览

Pix2Text 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类计算机视觉
开发团队breezedeus
定价模式🏷️基础免费,高级付费
价格说明开源免费,提供在线Demo,高级功能或云服务可能收费
访问状态⚠️ 链接可跳转,访问体验不确定
是否开源是
开源协议MIT
主要语言Jupyter Notebook
技术栈/模型image-to-markdown,latex,latex-pdf,layout-analysis,math-formula,math-formula-recognition,math-ocr,mathpix,ocr,python,pytorch,table-ocr
GitHub 星标★ 3285
上线时间2022-09-07 00:00:00
代码更新2026-08-23
仓库体积23.8 MB
本站数据更新2026-11-22
维护状态低维护
收录时间2026-08-24
浏览次数13

项目介绍

Pix2Text 是一个开源的 Python3 工具,旨在将图片中的版面、表格、数学公式和文字识别并转换为 Markdown 格式。它使用小型模型,支持 80 多种语言,是 Mathpix 的免费替代品。该项目解决的核心问题是:如何将复杂的视觉内容(如学术论文、书籍扫描件、手写笔记)高效、准确地转化为可编辑的文本表示,尤其擅长处理数学公式和表格。其核心能力包括版面分析、表格识别、数学公式识别(LaTeX)和 OCR 文字识别,并整合为端到端的图像转 Markdown 流程。模型设计轻量,适合在本地或资源受限环境部署,为科研、教育、文档数字化等领域提供便捷工具。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-08-24 · 当前星标 ★ 3285

技术标签

使用教程

难度:入门 约 10 分钟 部署方式:库/依赖 5 步

环境要求

  • Python3 环境(项目为 Python3 工具)
  • 可用的 pip 包管理工具
  • 网络可访问 PyPI;下载慢时可指定镜像源
  • 如需识别英文和简体中文之外的语言,需额外安装 multilingual 支持

安装与启动步骤

  1. 1确认 Python 环境

    Pix2Text 是 Python3 工具,先确认本机已安装 Python3 与 pip。README 未给出具体版本号要求。

    python --version
    pip --version
  2. 2安装 Pix2Text

    README 给出的最简安装方式,一条命令即可完成基础安装(默认支持英文和简体中文)。

    pip install pix2text
  3. 3安装多语言支持

    如果需要识别英文和简体中文之外的语言,用这条命令安装额外的语言包。

    pip install pix2text[multilingual]
  4. 4使用镜像源加速

    安装较慢时可指定安装源,README 以阿里云源为例,适用于上述各条安装命令。

    pip install pix2text -i https://mirrors.aliyun.com/pypi/simple
  5. 5安装 VLM 支持

    V1.1.3 起支持基于 VLM 接口的 VlmTableOCR 与 VlmTextFormulaOCR,可调用闭源 VLM 模型。

    pip install pix2text[vlm]

如何确认成功

导入 pix2text 无报错即安装成功(如 python -c "import pix2text");具体使用请按官方文档 Usage 页面操作。

常见问题

Q:安装速度很慢怎么办?

A:可在命令后指定安装源,README 示例为阿里云源:pip install pix2text -i https://mirrors.aliyun.com/pypi/simple。

Q:能识别英文和简体中文之外的语言吗?

A:可以,需要额外安装语言包:pip install pix2text[multilingual],README 说明该命令用于安装额外包。

Q:想用闭源 VLM 模型做表格或文字公式识别?

A:安装 pip install pix2text[vlm],可基于 LiteLLM 接口使用 VLM 模型,示例见 tests/test_vlm.py 与 tests/test_pix2text.py。

Q:安装后怎么使用?

A:README 未在本节给出使用代码,请参考官方文档 Usage 页面:https://pix2text.readthedocs.io/zh-cn/stable/usage/。

注意事项

  • 以上安装命令均直接来自 README 的 Install 章节。
  • V1.1.4 起默认配置、文档与示例统一使用 mfd-1.5 与 mfr-1.5 模型。
  • 不想本地安装可先试用官网在线服务:https://p2t.breezedeus.com。
  • 更多安装细节见官方文档 Install 页面:https://pix2text.readthedocs.io/zh-cn/stable/install/。

核心亮点

  • 支持版面、表格、公式、文字一站式识别,直接输出 Markdown,流程完整
  • 模型体积小,可本地部署,无需依赖云端服务,保护数据隐私
  • 支持 80+ 语言,覆盖广泛,适合多语言文档处理

不足之处

  • 复杂表格和手写公式的识别准确率可能不及商业产品(如 Mathpix)
  • 文档和社区生态相对较小,示例和教程有待丰富

适用场景

  • 学术论文和书籍的数字化,将扫描版 PDF 转为可编辑 Markdown
  • 教育场景中,教师或学生将板书、讲义图片转为文本笔记
  • 科研人员快速提取论文中的公式和表格,用于写作或二次编辑

替代项目

Mathpix、Tesseract OCR、LaTeX-OCR

上一篇:OpenCVTutorials

下一篇:clearcam

同类项目推荐

receipt-ocr 开源

拍张票据照片,自动提取金额日期等关键字段

An efficient OCR engine for receipt image processing.

★ 760 2026-09-16
SwapNet 开源

上传人物和衣服照片,一键生成试穿效果

Virtual Clothing Try-on with Deep Learning. PyTorch reproduction of SwapNet by Raj e···

★ 389 2026-08-09
eomt 开源

仅编码器搞定图像分割,又快又准

[CVPR 2025 Highlight] Official code and models for Encoder-only Mask Transformer (Eo···

★ 648 2026-08-10
Unlimited-OCR 开源

一张长图一次推理,整页文字结构直接出

Unlimited OCR Works: Welcome the Era of One-shot Long-horizon Parsing.

★ 31432 2026-10-27
Weighted-Boxes-Fusion 开源

多模型检测结果融合,提升目标检测精度

Set of methods to ensemble boxes from different object detection models, including i···

★ 1833 2026-08-10
UniGoal 开源

让机器人零训练看懂世界,直接找目标

[CVPR 2025] UniGoal: Towards Universal Zero-shot Goal-oriented Navigation

★ 381 2026-08-09
VSLAM-LAB 开源

一条命令跑通多种 VSLAM 算法与数据集对比

A Comprehensive Framework for Visual SLAM Systems and Datasets

★ 572 2026-09-21
yolo-inference 开源

一套代码跑通十余代 YOLO 推理

C++ and Python implementations of YOLOv3, YOLOv4, YOLOv5, YOLOv6, YOLOv7, YOLOv8, YO···

★ 213 2026-11-08
EscherNet 开源

从几张照片生成任意视角新图,3D重建更轻松

[CVPR2024 Oral] EscherNet: A Generative Model for Scalable View Synthesis

★ 382 2026-08-09