Повернутися до блогів

Покрокова інструкція з локального розгортання olmOCR: Зробіть обробку PDF надзвичайно простою!

Покрокова інструкція з локального розгортання olmOCR: Зробіть обробку PDF надзвичайно простою!

1 бер. 2025 р.Free OLM OCR TeamFree OLM OCR Team
Покрокова інструкція з локального розгортання olmOCR: Зробіть обробку PDF надзвичайно простою!

Покрокова інструкція з локального розгортання olmOCR: Зробіть обробку PDF надзвичайно простою!

olmOCR Logo

⚠️ IMPORTANT UPDATE: This guide is now outdated. Please refer to our Complete olmOCR Local Deployment Guide 2025 for the latest installation methods, performance optimizations, and Docker configurations with version 0.3.4+.

До уваги всіх, хто працює з PDF-документами! Сьогодні я хочу порекомендувати вам чудовий інструмент – olmOCR, який дозволяє мовним моделям легко читати PDF-файли з найрізноманітнішим верстанням! Він впорається з усім: від наукових статей до складних таблиць. А найголовніше – він підтримує локальне розгортання, гарантуючи безпеку ваших даних! Нижче я крок за кроком покажу вам, як його встановити та використовувати 👇


🛠️ Підготовка: Встановлення залежностей

Спочатку нам потрібно встановити декілька системних залежностей (на прикладі Ubuntu):

# Встановлення всіх необхідних пакетів
sudo apt-get update
sudo apt-get install poppler-utils ttf-mscorefonts-installer msttcorefonts fonts-crosextra-caladea fonts-crosextra-carlito gsfonts lcdf-typetools

💡 Порада: Під час встановлення, коли з'явиться ліцензійна угода щодо шрифтів, натисніть клавішу TAB, щоб вибрати <Yes> і підтвердити!


🌱 Створення середовища Python

Рекомендується використовувати conda для управління середовищем:

conda create -n olmocr python=3.11
conda activate olmocr

# Клонування репозиторію та встановлення
git clone https://github.com/allenai/olmocr.git
cd olmocr
pip install -e .

⚡ Встановлення компонентів для прискорення

Хочете використовувати GPU для прискорення? Ці дві команди необхідні:

pip install sgl-kernel==0.0.3.post1 --force-reinstall --no-deps
pip install "sglang[all]==0.4.2" --find-links https://flashinfer.ai/whl/cu124/torch2.4/flashinfer/

🚀 Швидкий старт: Конвертація PDF на практиці

Конвертація одного файлу

python -m olmocr.pipeline ./localworkspace --pdfs tests/gnarly_pdfs/horribleocr.pdf

Пакетна обробка

python -m olmocr.pipeline ./localworkspace --pdfs tests/gnarly_pdfs/*.pdf

Результати конвертації будуть збережені у файлі JSONL у каталозі ./localworkspace/results. Перегляньте їх за допомогою цієї команди:

cat localworkspace/results/output_*.jsonl

👀 Інструмент для візуального порівняння

Хочете наочно порівняти оригінальний PDF-файл і результат конвертації? Спробуйте це:

python -m olmocr.viewer.dolmaviewer localworkspace/results/output_*.jsonl

Відкрийте HTML-файл у згенерованому каталозі dolma_previews, і ви побачите такий інтерфейс порівняння 👇

Приклад візуального порівняння


🧰 Розширені можливості

Обробка мільйонів PDF-файлів

Для обробки великої кількості PDF-файлів на корпоративному рівні можна використовувати кластер AWS:

# Ініціалізація на першому вузлі
python -m olmocr.pipeline s3://my_bucket/workspace --pdfs s3://my_bucket/pdfs/*.pdf

# Інші вузли приєднуються до кластера
python -m olmocr.pipeline s3://my_bucket/workspace

Перегляд повного списку параметрів

python -m olmocr.pipeline --help

💻 Спеціально для користувачів Docker

Офіційно надається готовий Dockerfile, що спрощує розгортання:

FROM allenai/olmocr-inference:latest
# Детальні інструкції з використання дивіться в документації проєкту
# Посилання:
https://github.com/allenai/olmocr/blob/main/scripts/beaker/Dockerfile-inference

❓ Поширені запитання

  1. Що робити, якщо виникає помилка GPU? Переконайтеся, що драйвер відеокарти та версія CUDA відповідають вимогам. Рекомендується використовувати нові відеокарти, такі як RTX 4090/L40S/A100/H100.

  2. Чи підтримуються PDF-файли українською мовою? Наразі основна увага приділяється оптимізації для англійських документів, але ви можете спробувати інші мови за допомогою параметра --apply_filter.

  3. Недостатньо місця на диску? Зарезервуйте щонайменше 30 ГБ вільного місця. Для обробки великих файлів рекомендується використовувати SSD.


👏 Подяки

olmOCR розроблено Інститутом штучного інтелекту Аллена (AI2) і розповсюджується за ліцензією Apache 2.0. Особлива подяка команді розробників (повний список учасників).

Спробуйте зараз! Якщо у вас виникнуть запитання, приєднуйтесь до спільноти Discord для обговорення! 🎉

Need more than one OCR engine?

Compare OLMOCR with leading OCR models on ExactRead

Run the same image or PDF through OLMOCR, Mistral, PaddleOCR, Gemini, GPT and more. Compare outputs side by side, review confidence and warnings, then export the result you trust.

Compare Models on ExactRead