在处理文档转换时，尤其是将 PDF 转换为可编辑的 Markdown 格式，我们常常会遇到各种难题，比如复杂的布局、表格、图表等元素难以准确识别和转换。

今天给大家介绍一个强大的开源项目——Zerox，它利用视觉模型技术，能够轻松解决这些问题，让你的文档转换工作变得高效而准确。

​

为什么Zerox值得关注？

1. 零样本OCR识别，开箱即用
传统OCR工具需要大量样本训练才能精准识别文字，而Zerox基于GPT-4o-mini模型，无需任何预训练即可处理复杂布局文档，包括表格、图表甚至手写体，准确率远超同类工具。

2. 输出Markdown格式，完美保留结构
无论是PDF、DOCX还是扫描图片，Zerox都能将内容转换为结构化Markdown，自动生成标题、列表、表格等元素。例如，发票中的金额表格能直接转为Markdown表格，方便二次编辑。

3. 手写体识别“杀手锏”
许多OCR工具对打印体效果尚可，但对手写体束手无策。Zerox通过多模型兼容技术，对手写笔记、签名等内容的识别准确率高达90%以上，堪称“打工人救星”。

4. 支持API集成，企业级效率工具
开发者可通过Node或Python SDK快速集成Zerox，实现批量文档处理自动化。适用于法律合同解析、学术论文整理等场景，节省80%人工整理时间。

3步极速上手Zerox

第一步：安装依赖

npm install zerox  # Node版本
# 或
pip install zerox  # Python版本

第二步：调用API识别文件
以Node为例，读取PDF并输出Markdown：

import { zerox } from "zerox";
const result = await zerox({
  filePath: "invoice.pdf",  // 支持本地文件或URL
  openaiAPIKey: "YOUR_API_KEY",  // 需自备OpenAI API Key
});
console.log(result.pages[0].content);  // 输出Markdown内容

第三步：查看结果
生成的Markdown会自动包含表格、标题层级和文本样式，例如：

Zerox vs 其他OCR工具：差异在哪？

• • 格式兼容性：支持20+文件格式（包括冷门的WPS、ODT等），而多数工具仅限PDF/图片。
• • 并发处理：可同时处理多页文档，速度比传统工具快3倍。
• • 开源免费：代码完全公开，企业可二次开发，避免商业OCR的高额授权费。

项目地址：https://github.com/getomni-ai/zerox