250303 三花AI日报：OlmOCR：最强开源 OCR 解决方案；PhotoDoodle：开源照片涂鸦框架；DeepSeek 公布高效系统设计，理论利润率高达 545%；CSM：超真实 AI 语音模型；Search-R1：首个开源复现 DeepSeek-R1 模型；

最近在研究PDF表格识别,这个项目上周用了下效果有点差劲,只对一级表头的表格有不错效果,再往上复杂表格就力不从心了.

目前使用下来体验最好的开源:MinerU

如果用模型的话gemini2.0flash效果也很好,这有佬的项目

olmOCR的质量太低导致成本优势意义不大
测评表格:

image554×383 77.3 KB

MinerU:

image443×656 13.4 KB

gemini2.0flash:

image591×940 18.6 KB

OlmOCR:

image1153×580 17 KB

就推荐而言还是MinerU在首位gemini2.0flash效果波动性较大,其实论坛佬友家的Doc2X效果也很优秀,但是价格相较而言应该是这几个里面最高的了
https://linux.do/t/topic/385283