模型权重：镜像站，原站点
原GitHub：GOT-OCR2.0
这个项目是在 Windows 下开发的，我本人没用过也不会 Linux，不能确保它能够在 Linux 下正常运行，如果你要在 Linux
下部署，可以参考一下这个 issue
部分代码来自： GLM4 、Deepseek
点个star吧
-
⚠️ 支持llama-cpp-python，希望能够加速推理 - 遇到困难，有能力的可以提交 pr，最好可以提到
Aplha分支；使用的 HuggingFace 模型是 kaifeise/GOT-gguf；GGUF Test.py使用了来自 1694439208/GOT-OCR-Inference 的代码 。文件都在gguf文件夹里了） - html 转 word 功能，保留公式可以编辑
- 目前想到两个方法，一个是先转 PDF 然后 PDF 转 Word，但这样太慢，因为要用 selenium 打开浏览器去渲染 PDF；另一个是
pdflatex，但是这样就要再装一个 TeX 发行版，我看了一下 TexLive ，又是好几个 GB。感觉这两个方法都不太行。不知道有没有人有更好的方法？
如果这里面提到的文件夹你没有，那就新建一个
此环境在python 3.11.9下经过测试能够正常工作
从torch官网选择适合自己的GPU版本的torch安装即可
我用的是 Stable 2.4.1 + cu124 ，建议你也用这个版本
不是强制要求，不过如果你想安装的话可以看#12
实测如果直接从requirements.txt里安装的话会报ModuleNotFoundError: No module named 'frontend'
，但单独安装的话就不会这样，具体原因不清楚
另外，如果还是报ModuleNotFoundError的话就先卸载fitz和PyMuPDF，再重新安装一次应该能解决，实测pip install -U PyMuPDF
是没用的
pip install fitz
pip install PyMuPDF
pip install -r requirements.txt
另，有人提到了自己使用requirements.txt安装依赖时出现了冲突问题，但我这里没有发现问题，pipdeptree
也没有显示任何冲突项，requirements.txt是直接pip freeze的我自己的虚拟环境的，按理来说应该没问题。
但由于确实出现了这样的问题，这里再提供一个不带版本号的requirements-noversion.txt，你可以试试看：
更多信息请查看这个 issue #4
pip install -r requirements-noversion.txt
- Edge WebDriver
，下载压缩包，放进
edge_driver文件夹中
大伙的电脑里应该都有 edge 吧？应该吧？这玩意可是预装的来着......
文件结构应该是：GOT-OCR-2-GUI └─edge_driver ├─msedgedriver.exe └─...
- 下载到
models文件夹中 - 别少下载文件了
- 文件结构应该是：
GOT-OCR-2-GUI
└─models
├─config.json
├─generation_config.json
├─got_vision_b.py
├─model.safetensors
├─modeling_GOT.py
├─qwen.tiktoken
├─render_tools.py
├─special_tokens_map.json
├─tokenization_qwen.py
└─tokenizer_config.json
- 如果你想用命令行，那就用
CLI.py - 如果你想用图形界面，那就用
GUI.py - 如果你想修改设置，那就用
Config Manager.py - 如果你想执行自动化的渲染操作，那就用
Renderer.py，它会自动渲染imgs文件夹里所有的.jpg和.png图片
用 GUI 的可以不管，不过用 CLI 的各位记得把要OCR的图放进
imgs文件夹里（ CLI 目前只检测.jpg和.png图片）
- 你可以在
Locales文件夹中找到各种语言的.json文件，CLI 和 GUI 的语言文件是分开存储的 - 在
gui子文件夹中，除了语言.json文件，还有一个instructions文件夹，里面是 GUI 的内置教程，命名为语言.md - 要修改语言支持，只需要修改
config.json中的'language'的值，可用的选择就是语言.json的不带扩展名的文件名 - 如果要添加语言支持，在 CLI 中，只需要添加新的
语言.json（我强烈建议你使用已经存在的文件作为起点），在 GUI 中，还需要配套的语言.md文件 - 你可以使用
Config Manager.py来管理语言及其他配置文件
- 脚本闪退的话可以试一下用
cmd跑python +文件名，我自己测试时会出现闪退的情况，我也不知道为什么 result文件夹里的markdown-it.js不要删除，否则 pdf 导出会出错！
如果你不小心删除了，可以在
scripts文件夹里找到备份，复制一份过去就行了
- 确保你安装的
torch是 gpu 版本，因为脚本里用了device_map='cuda'
| 错误码 | 错误信息 |
|---|---|
| 1 | 配置文件未找到 |
| 2 | 语言文件未找到 |
| 3 | CLI 不提供目录的支持 |
| 4 | 未找到输入路径所指向的文件 |
| 5 | 输入文件类型不受支持 |
| 6 | 渲染的HTML的编码检测失败 |
-
Q：CLI.py: error: the following arguments are required: --path/-P
-
A：用 PowerShell，CMD 不知道为什么会有这个 bug，暂时找不到原因
-
Q：什么是“HTML本地文件”？难道还有没保存在本地的HTML文件吗？
-
A：因为模型输出的HTML文件虽然保存在本地，但使用了外部脚本，因此即使文件在本地，还是需要网络来打开它。于是我把外部脚本下载了进来，就是前面提到的
mardown-it.js。这么做主要是防止网络问题造成的PDF导出失败。 -
Q：为什么我的模型加载失败了？
-
A：检查一下你是不是少了文件。从百度云下载的模型文件似乎缺少了文件，我建议你去前面提到的 Huggingface 下载。
-
Q：有什么部署这个项目的建议吗？
-
A：看这个issue #5
-
Q：我要去哪里看帮助文档？
-
A：对于 GUI 用户，你可以找到
说明标签页，对于 CLI 用户，你可以用.\CLI.py --help查看 argparse 自动生成的帮助文档，也可以用.\CLI.py --detailed-help查看更详细的帮助文档