AI 与开发

Zerox:用视觉模型解析文档

  • 0 次阅读
  • 0 条评论
文章摘要

Zerox 把文档页面交给视觉模型解析,常用于转换为 Markdown。它适合复杂页面的结构化提取,使用在线模型时要考虑每页调用成本和文档数据去向。 页面先转换为模型可读取的图像,再通过视觉模型生成结构化文本。每页调用与重试都可能产生费用。 适合复杂版式文档提取。先用无隐私小样本,明确模型和输出要求。

项目介绍

Zerox 把文档页面交给视觉模型解析,常用于转换为 Markdown。它适合复杂页面的结构化提取,使用在线模型时要考虑每页调用成本和文档数据去向。

页面先转换为模型可读取的图像,再通过视觉模型生成结构化文本。每页调用与重试都可能产生费用。

适合复杂版式文档提取。先用无隐私小样本,明确模型和输出要求。

核心功能

功能 作用与使用方式
页面转换 准备视觉输入
模型接入 选择受支持提供商
Markdown 输出 保存可编辑内容
逐页核对 检查表格公式和标题
批量控制 限制并发与费用

界面展示

Zerox 官方项目配图

图 1:官方仓库提供的项目示意图,用于说明功能与布局。

项目信息

项目 说明
类型 项目指南
分类 AI 与开发
项目仓库 getomni-ai/zerox
整理日期 2026-11-14

安装与运行

在 Linux、macOS 或 WSL 准备 Python 虚拟环境。Zerox 是文档解析库,调用视觉模型还需要自己配置供应商 API Key;没有独立网页后台。

1. 安装和初始化

python3 -m venv .venv
source .venv/bin/activate
python -m pip install py-zerox

2. 第一次使用

在同一个虚拟环境运行自己的解析脚本,先用一页不含敏感信息的 PDF 测试,再检查表格、换行和页码。JavaScript 项目可在已有项目目录用 npm install zerox 安装另一语言的库,不要把两个包当成同一命令行工具。

PDF 转图依赖需要按所选语言和操作系统准备,Python 方案检查 Poppler 是否可执行。模型服务地址、Key 与模型名必须配套;先设置小批量与并发限制,再处理整本文档。

常见问题

  • 命令不存在:确认依赖已安装,关闭并重新打开终端,再检查实际使用的环境。Python 虚拟环境与系统 Python、Windows 与 WSL 的工具路径各自独立。
  • 下载依赖失败:先查看具体失败的仓库和包名,检查该终端的网络;浏览器能访问不代表命令行已使用同一代理。
  • 配置后仍报错:从当前项目目录启动,检查配置文件名、变量名和日志。真实账号与 API Key 放在本机私有配置中,不复制到公开教程或截图。

更新与备份

更新前保存项目配置、输入资料和输出结果。源码项目记录当前提交与依赖锁文件,比较新版本说明后再更新;安装包项目保留可回退的版本号。服务账号的授权与模型账单在对应平台管理,删除本地目录不会自动撤销授权。

官方资料