Llama-Scan：用本地 LLM 高效处理 PDF

必须登录才能更改通知设置

仓库文件导航

一个使用 Ollama 将 PDF 转换为文本文件的工具。

在本地将 PDF 转换为文本文件，无需支付 token 费用。

使用 Ollama 支持的最新多模态模型。

将图片和图表转换为详细的文字描述。

需要在本地安装并运行 Ollama。

安装 Ollama 和默认模型

拉取默认模型：

ollama run qwen2.5vl:latest

pip install llama-scan

uv tool install llama-scan

llama-scan path/to/your/file.pdf

--output, -o：输出目录（默认值："output"）

--model, -m：要使用的 Ollama 模型（默认值："qwen2.5vl:latest"）

--start, -s：起始页码（默认值：0）

--end, -e：结束页码（默认值：0）

--custom-instructions, -c：可选，包含附加指令的文本文件路径（默认值：None）

--server-url, -u：Ollama 服务器 URL（默认值："http://localhost:11434"）

--width, -w：调整后图片的宽度（设为 0 时不调整大小；默认值：0）

--keep-images, -k：保留中间生成的图片文件（默认值：False）

--stdout, -s：将合并后的输出写入 stdout（默认值：False）

处理指定页面：

llama-scan document.pdf --start 1 --end 5

使用其他 Ollama 模型：

llama-scan document.pdf --model qwen2.5vl:3b

使用本地 LLM 转录 PDF