之前测试Gemini2.0正式版的多模态能力，尝试了文档转录的demo
最近利用业余时间在demo的基础上做了一些代码和提示词优化，同时撸了一个简易的前端页面，自己测试了一些特殊的PDF文档（多栏/公式/表格等），准确度都还比较理想，同时添加了一个基础的双语对照翻译功能
实现思路大概是利用工具切分PDF，然后直接将文档丢给大模型进行初步处理，处理完成后，对返回数据基于正则等相关内容进行二次处理
由于用了gemini2.0模型，所以对用量基于授权码做了一下限制，每个授权码至多转录100页
有需要的佬欢迎试用，目前图片插入原文位置的坑还没填，但已经有实现思路，后续如果有时间会来填坑，同时会增加自定义大模型key
临时折腾的小玩意，希望大家多提意见和建议
站点地址：pdf2md.aitranspdf.com（纯公益，无推广性质，上传的文档数据2小时后过期）
希望佬友们善意使用，如果扛不住成本或者其它压力时，我不保证随时跑路 
e2e2333869ce462ea34b2df3838e2424
65e5649b96c9472584f4ab2bd3f5cd4f
7461d35434d74d44917e45b562a32843
先放三个授权码，每个转录额度100页，可共用
感谢佬友分享。能OCR处理图片pdf吗，很多资料只有图片版
可以，图文混排的会提取图片
你可以试试
没做页面自适应吗？移动端…一塌糊涂
下午试试能不能处理标准文件。
谢谢佬友 
哈哈，因为是业余随手撸的小工具，确实没有考虑移动端使用的问题
等我后面有空时做一下适配 
虽然是个好项目，但是想做大的话这么搞成本压不下去啊。
我记得 M$ 好像也做过一个类似的
找到了
啊， 
这么便宜，完全没想到。
感谢佬的分享，我来研究（借鉴）一下 
太有实力啦
佬，挂一下梯子呢，域名应该是被墙了
可以求个实现思路吗～ 想自己也搭一个
可以的佬，我一会把核心代码贴出来
太强了，大佬！
太强了！
51b265e08b3c4e74be56b057f2090e76
260b0c11650b4a598f15c3a3d5e2c836
5a0a624351ec472b83a69cb4dbe5c1ba
前面放的三个授权key已经用完了，这里再放3个，后续有需要的佬友可以留言获取，我看到之后回复
大家轻点薅
