moskize's recent timeline updates moskize's recent timeline updates |
moskizeV2EX member #236350, joined on 2017-06-20 16:51:05 +08:00 |
moskize's recent replies
Mar 28, 2025 Replied to a topic by BlackHole1 › 分享创造 › [开源] 扫描件 PDF 转 Markdown / EPUB，自动修复 OCR 错误 |
@zizek 没错，现在会多此一举做这个动作。这里是一个优化点，等于要允许跳过 OCR 截断直接进入分析阶段。calibre 估计没有做合并段落操作。这个用算法很难准确识别，毕竟 PDF 本身是没有这个信息的。pdf-craft 完全是让 LLM 来判断句子到底有没有被切断，然后拼起来。
Mar 23, 2025 Replied to a topic by BlackHole1 › 分享创造 › [开源] 扫描件 PDF 转 Markdown / EPUB，自动修复 OCR 错误 |
@x4gz 下一步考虑做多线程
Mar 21, 2025 Replied to a topic by BlackHole1 › 分享创造 › [开源] 扫描件 PDF 转 Markdown / EPUB，自动修复 OCR 错误 |
@sunnysab 这种想想都难识别😂 我看看公式识别相关 AI 能不能抓到这种，不过估计够呛
Mar 21, 2025 Replied to a topic by BlackHole1 › 分享创造 › [开源] 扫描件 PDF 转 Markdown / EPUB，自动修复 OCR 错误 |
@3085570450tt 看介绍它们好像是为 LLM 提取文本，而不是用 LLM 处理文本。而且 PyMuPDF 我记得是不提供 OCR 的。
Mar 21, 2025 Replied to a topic by BlackHole1 › 分享创造 › [开源] 扫描件 PDF 转 Markdown / EPUB，自动修复 OCR 错误 |
@bfdh 这个你在本地新建一个空文件夹，然后把地址传进去。这个文件夹里会在第一次下载模型，你就留着这个文件夹，下次运行就不会下载模型了。
Mar 21, 2025 Replied to a topic by BlackHole1 › 分享创造 › [开源] 扫描件 PDF 转 Markdown / EPUB，自动修复 OCR 错误 |
@sunnysab 有识别公式的方案，不过第一版先用图形作为占位符，接下来准备支持公式识别。
Mar 21, 2025 Replied to a topic by BlackHole1 › 分享创造 › [开源] 扫描件 PDF 转 Markdown / EPUB，自动修复 OCR 错误 |
@kitty7030 反过来转化相对好做，不过我暂时不太明白这么做的应用场景有哪些？
Aug 25, 2022 Replied to a topic by liuser666 › IPFS › IPFS 技术有人了解吗？ |
@Sasasu 其实我感觉传统存储和 IPFS 不是对立关系。比如，如果说当下 IPFS 市场能容忍比传统存储更贵的存储和分发费用，那为什么传统存储不直接去做矿工呢？还是说，现在传统存储已经偷偷在做矿工了呢？
Mar 30, 2022 Replied to a topic by PPP1G › Edge › 被 Edge 的划词自动弹出菜单搞疯了 |
在设置中搜索「选择文本时显示你迷菜单」，关掉就行了。
Jan 27, 2022 Replied to a topic by fromzero › 职场话题 › 一面的大头兵（非 leader）问我当前薪资和期望薪资 |
@xiao109 两个世界。一个世界人人不知道别人薪酬，在面试谈薪和谈涨薪的时候，两眼一抹黑。另一个世界，薪酬透明，这个公司拿多少钱，大家都知道，公司不同职级拿多少钱也知道。猜一猜这两个世界，哪个世界的资本家更狠。
Select Language