---
id: "b928"
language: "zh"
library: "tools"
official_url: "https://github.com/allenai/olmocr"
profile_updated_on: "2026-10-23"
---

# olmOCR

用视觉语言模型将 PDF 和文档图像转成保留阅读顺序的 Markdown。

- 公司／组织: 艾伦人工智能研究所
- 公司所在国家／地区: 美国 · 公开公司地址
- 分类: 模型开发
- 官方网站: [https://github.com/allenai/olmocr](https://github.com/allenai/olmocr)
- 档案更新: 2026-10-23


## 产品介绍

olmOCR 面向需要批量整理文档内容的开发者和研究者，以视觉语言模型把 PDF、PNG、JPEG 线性化为 Markdown，并处理多栏、表格和公式等阅读顺序问题。工具既可连接远程 vLLM 服务，也可使用本地 GPU 推理；它提供的是处理流水线，不是下载即得的数据集。官网发布的模型卡与代码分别提供使用信息，结果仍需根据原文检查。

## 使用指南与费用

### 使用前看

代码和本次核对的 olmOCR-2-7B-1025-FP8 模型卡均标注 Apache 2.0。README 的本地 GPU 方案要求相应 NVIDIA 环境及显存；远程方案把推理交给所连接服务器，不能描述为全程离线。

[官方说明](https://github.com/allenai/olmocr/blob/main/README.md)
[官方说明](https://github.com/allenai/olmocr/blob/main/LICENSE)
[官方说明](https://huggingface.co/allenai/olmOCR-2-7B-1025-FP8)


## 官方来源与参考资料

- [官方网站](https://github.com/allenai/olmocr)
- [官方文档](https://github.com/allenai/olmocr/blob/main/README.md)
- [官方文档](https://huggingface.co/allenai/olmOCR-2-7B-1025-FP8)

## 阅读与订阅

- [交互版档案](../../../products/olmocr--b928.html)
- [阅读](../../../read/zh/products/olmocr--b928.html)
- [JSON](../../../read/zh/products/olmocr--b928.json)

介绍按公开资料整理；功能、价格与地区可用性以官网为准。