实体
PDF.js
PDF.js
PulseAugur coverage of PDF.js — every cluster mentioning PDF.js across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 1
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
开发者推出LiteDoc以降低PDF处理的LLM代币成本
一位开发者创建了LiteDoc，这是一个免费的、客户端工具，旨在将PDF转换为Markdown格式，从而减少处理大型语言模型文档时所需的代币数量。该工具完全在用户的浏览器内运行，提取文本，隔离图像，并将内容构建成干净的Markdown，同时还能处理LaTeX数学和阿拉伯文本等复杂元素。通过在本地转换PDF，LiteDoc绕过了像Claude和ChatGPT等模型通常使用的、代币消耗量大的栅格化过程，显著减少了代币使用量和相关成本。
-
Simon Willison 构建了基于浏览器的 PDF 文本提取器 LiteParse
Simon Willison 创建了一个 LiteParse 的浏览器版本，LiteParse 是 LlamaIndex 的一个开源工具，用于从 PDF 中提取文本。这个新的网页版本使用 PDF.js 和 Tesseract.js 构建，允许用户直接在浏览器中处理 PDF，而无需单独的应用程序。该工具采用复杂的空间文本解析启发式方法来保持文档结构，并可选择使用 OCR 来处理基于图像的文本，还提供使用边界框进行视觉引用的功能。