Pix2Text

图片直接转 Markdown，公式表格全搞定，免费替代 Mathpix

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。

开源 freemium 计算机视觉

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 3268

维护状态维护中

是否开源是

定价模式 freemium

项目预览

项目数据

分类计算机视觉

开发团队breezedeus

所属国家

官网地址https://p2t.breezedeus.com

GitHubhttps://github.com/breezedeus/Pix2Text

定价模式freemium

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

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★ 3268

30天Star增速

HF 下载量

上线时间2022-09-07 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态维护中

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-24

浏览次数7

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

正在加载星标数据…

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

项目介绍

Pix2Text 是计算机视觉领域的开源项目，由 breezedeus 开发，2022 年首次发布。

在全站 13,916 个收录项目中，它的 GitHub 星标数（3,268）位列前 30%，在计算机视觉分类的 494 个项目里位列前 12%。

近 45 天，它的 GitHub 星标从 3,224 增加到 3,268，净增 44。

项目仍在小幅维护中，最近一次代码更新于 2026-08-23。开源免费，提供在线Demo，高级功能或云服务可能收费。从国内网络环境看，访问稳定性一般，建议自备网络条件。

它主要面向的使用场景是：学术论文和书籍的数字化，将扫描版PDF转为可编辑Markdown。同类可对比的替代方案包括 Mathpix、Tesseract OCR、LaTeX-OCR。

上一篇：OpenCVTutorials

下一篇：clearcam