Top AI Repos — open-source AI, indexed and scored
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
Open-source batch OCR workbench — a free, local alternative to ABBYY FineReader. Powered by Ollama + GLM-OCR + PP-DocLayoutV3, ~0.5s/page on RTX 4090. Three-panel editor, layout-aware, PDF/image batch processing, Markdown/Word export. 批量OCR工作台，纯本地运行，免费平替ABBYY，适合书籍文档数字化。
| Date | Stars |
|---|---|
| 2026-07-31 | 454 |
| 2026-08-01 | 455 |
| 2026-08-04 | 457 |
| 2026-08-06 | 457 |
Today
— stars today
This week
— stars this week
This month
— stars this month
Momentum
0.0
growth rate 0.00%/day
# Folio-OCR
基于 [GLM-OCR](https://huggingface.co/zai-org/GLM-OCR) + [Ollama](https://ollama.com/) 的三栏文档 OCR 工作台，专为书籍和文档的日常批量识别设计。
> **2026-06-18 · v3.4.0 已发布**：新增 `folio-ocr` 命令、`uvx` 启动、GitHub Release 包构建、License、CI 和长 PDF 超时配置。查看 [Release Notes](https://github.com/vorojar/Folio-OCR/releases/tag/v3.4.0)。
    [](https://vorojar.github.io/Folio-OCR/)
视频演示：先看 [B 站 1 分钟真实运行视频](https://www.bilibili.com/video/BV17LFpzrEpW)，快速理解“上传扫描件 → 本地 OCR → 可编辑/可导出”的完整流程。
## 30 秒看懂
Folio-OCR 解决的是一个很具体的问题：把扫描 PDF、书籍照片、试卷和文档图片批量转成可编辑文本，并尽量保留标题、正文、表格和导出结构。它默认本地运行，文档不需要上传到第三方 OCR 服务。
- **输入**：PDF、PNG、JPG、GIF、BMP，可混合批量上传。
- **处理**：PP-DocLayoutV3 做版面分区，GLM-OCR 通过 Ollama 做视觉 OCR。
- **输出**：Markdown、TXT、Word `.docx`、EPUB。
- **适合**：书籍数字化、扫描件整理、表格文档转写、离线/隐私敏感 OCR。
## 快速开始
### 方式一：uvx / pipx 直接运行
适合已经安装 Python 和 Ollama 的用户，不需要手动 clone 仓库：
```bash
ollama pull glm-ocr
uvx --from git+https://github.com/vorojar/Folio-OCR folio-ocr
```
然后打开浏览器访问：http://localhost:3000
也可以用 pipx：
```bash
pipx run --spec git+https://github.com/vorojar/Folio-OCR folio-ocr
```
### 方式二：Docker Compose 一键部署
适合想把 Ollama 和 Folio-OCR 一起放进容器的用户：
```bash
git clone https://github.com/vorojar/Folio-OCR.git
cd Folio-OCR
docker compose up -d
docker compose exec ollama ollama pull glm-ocr
```
完成后打开浏览器访问：http://localhost:3000
> 有 NVIDIA 显卡？编辑 `docker-compose.yml`，取消 `deploy:` 段落的注释即可启用 GPU 加速。
## 功能特性
### OCR 核心
- 支持多种图片格式：PNG、JPG、GIF、BMP
- 支持 PDF 文件（PyMuPDF 2x 高分辨率拆页）
- 多文件混合上传（图片 + PDF 混选）
- 版面分析（Layout Detection）自动分区识别
- 相邻文本区域智能合并，减少 OCR 调用次数（11 区域 → 3 组，2.5x 加速）
- LaTeX 特殊字符自动转 Unicode（`$\textcircled{1}$` → `①`）
- 模型输出自动清理 ` ```markdown ``` ` 围栏
### 批量处理
- 一键「OCR All Pages」批量识别全部页面
- 实时进度条 + ETA 时间估算
- 随时可停（Stop 按钮立即中断当前请求）
- 选中页面时自动预识别下一页（Pre-OCR）
### 编辑与导出
- Edit / Preview 双模式切换
- Preview 模式原生渲染 HTML 表格和 Markdown
- 段落重排（Reflow）：合并因换行断开的段落
- 导出四种格式：`.md`（Markdown）、`.txt`（纯文本）、`.docx`（Word）、`.epub`（电子书）
- DOCX 导出基于 python-docx，真实 Word 文档，含分节符和页码
- 单页/全文一键复制
### 数据持久化
- SQLite 数据库（`folio_ocr.db`），文档和 OCR 结果服务重启不丢失
- 编辑内容 800ms 防抖自动保存
- 页面加载时自动恢复上次打开的文档
- 多文档管理：左侧面板上方文档列表，支持切换和删除
### 界面交互
- 三栏布局：页面缩略图 | 图片预览 | OCR 结果
- 右侧面板可拖拽调整宽度
- SSE 流式上传，逐页实时加载
- 版面区域双向高亮（点击图片框 ↔ 点击文本块）
- 全文搜索（Ctrl+F），跨页高亮 + 命中计数
- 键盘导航（↑↓ 切换页面）
- 暖色奶油/炭灰主题，中文字体适配
### 网络容错
- 所有网络请求带超时保护（按场景分档：5s ~ 300s）
- Toast 弹窗通知：保存失败、OCR 超时、加载错误等即时反馈
- Ollama 断开后 UI 不会冻住，超时后自动恢复可操作状态
## Docker 常用命令
默认数据会保存到 Docker volume，重启服务不会丢失文档和 OCR 结果：
```bash
docker compose down # 停止服务
docker compose up -d # 重新启动（数据不会丢失）
docker compose logs -f app # 查看应用日志
docker compose logs -f ollama # 查看 Ollama 日志
```
默认配置会让版面分析模型跑在 CPU 上，把 GPU 显存优先留给 Ollama。需要调整时可设置：
```bash
LAYOUT_DEVICE=cpu # 默认值，最稳妥
LAYOUT_DEVICE=auto # 有 CUDA 时自动把版面分析模型放到 GPU
LAYOUT_DEVICE=cuda # 强制使用 CUDA，不可用时启动失败
```
Folio-OCR 默认会给 Ollama 请求传入 `OLLAMA_NUM_CTX=16384`，避免 GLM-OCR 处理图片时因上下文太小触发底层 RoPE / KV cache 错误。内存非常紧张时可以调小，复杂图片或高分辨率扫描件建议保持默认或调大。
如果遇到模型输出过长或重复内容，可通过 `OLLAMA_NUM_PREDICT` 限制单次 OCR 输出长度。默认值为 `4096`，短文档 demo 或低显存机器可以适当调小。
---
## 从源码运行
### 环境要求
- Python 3.10-3.12（推荐 3.11）
- [Ollama](https://ollama.com/) 已安装且 `ollama` 在 PATH 中
### 安装和启动
```bash
# 安装依赖
pip install -r requirements.txt
# 拉取模型
ollama pull glm-ocr
# 启动服务
python server.py
# 或使用热重载开发
uvicorn folio_ocr.server:app --reload --host 0.0.0.0 --port 3000
# Windows 一键启动
start.bat
```
服务启动后访问：http://localhost:3000
## 配置项
| 变量 | 默认值 | 说明 |
|------|--------|------|
| `OLLAMA_BASE` | `http://localhost:11434` | Ollama 服务地址 |
| `OLLAMA_MODEL` | `glm-ocr` | OCR 模型名 |
| `OLLAMA_NUM_CTX` | `16384` | 传给 Ollama `/api/chat` 的上下文窗口 |
| `OLLAMA_NUM_PREDICT` | `40Excerpt of 6,903 characters
Read on GitHubWould you bet a product on this? Bounded 0–100 and slow moving.
matched fp:bbdc43c5d5d9ec41, topic:ocr, name:ocr, desc:ocr
matched fp:bbdc43c5d5d9ec41, topic:privacy