2075 位用户此时在线
24小时点击排行 Top 10：
- 本站自动实时分享网络热点
- 24小时实时更新
- 所有言论不代表本站态度
- 欢迎对信息踊跃评论评分
- 评分越高，信息越新，排列越靠前
3
2
1
最近有个朋友跟我讨论技术问题，他在用个第三方的OCR的服务，用来提取发票上的文字为结构化数据。但收费较高，想自己实现一套，试了开源的PaddleOCR，识别可以，但是无法转成结构化的数据。
我建议他试试多模态的LLM，比如Gemini 1.5 Flash，用来做 OCR 效果非常好，可以在 Prompt
IT技术
(
twitter.com
)
由
宝玉
提交
最近有个朋友跟我讨论技术问题，他在用个第三方的OCR的服务，用来提取发票上的文字为结构化数据。但收费较高，想自己实现一套，试了开源的PaddleOCR，识别可以，但是无法转成结构化的数据。
我建议他试试多模态的LLM，比如Gemini 1.5 Flash，用来做 OCR 效果非常好，可以在 Prompt 里面定制要输出的格式，并且成本极低。
参考提示词：
***
Extract text from the provided image and organize it into a structured JSON format.
***
如果要自定义JSON格式，给一个样例应该就可以了。
点击图片查看原图
点击图片查看原图
1
6
5
5
2
2
1
1
3
2
1
1
4
2
1
1
5
2
1
1
6
2
1
1
7
6
5
5
9
3
2
2
10
2
1
1
11
2
1
1
12
4
3
3
13
2
1
1
14
2
1
1
15
2
1
1
16
3
2
2
18
4
3
3
19
2
1
1
20
3
2
2
21
2
1
1
22
2
1
1
23
2
1
1