Berbagi teknologi

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

gptpdf LLM: Pengantar gptpdf, metode instalasi dan penggunaan, dan panduan terperinci untuk aplikasi kasus

Daftar isi

Pengantar gptpdf

1. Proses pengolahan

Langkah pertama adalah menggunakan perpustakaan PyMuPDF untuk mengurai semua area non-teks di PDF dan menandainya, seperti:

Pada langkah kedua, gunakan model visual besar (seperti GPT-4o) untuk mengurai dan mendapatkan file penurunan harga.

Cara menginstal dan menggunakan gptpdf

1. Instalasi

2. Gunakan

Interpretasikan kode test.py

3.API

Penerapan kasus gptpdf

---

Pengantar gptpdf

gptpdf adalah alat yang terutama menggunakan model bahasa visual besar (seperti GPT-4o) untuk mengurai PDF menjadi penurunan harga.Pendekatan kami sangat sederhana (hanya 293 baris kode) namun hampirMengurai tipografi, rumus matematika, tabel, gambar, bagan, dll dengan sempurna. . Harga rata-rata per halaman hanya $0,013, dan kami menggunakan lib GeneralAgent untuk berinteraksi dengan OpenAI API. pdfgpt-ui adalah alat visualisasi berdasarkan gptpdf.

Alamat Github：GitHub - CosmosShadow/gptpdf: Menggunakan GPT untuk mengurai PDF

1、Aliran pemrosesan

Langkah pertama adalah menggunakan perpustakaan PyMuPDF untuk mengurai semua area non-teks di PDF dan menandainya, seperti:

Pada langkah kedua, gunakan model visual besar (seperti GPT-4o) untuk mengurai dan mendapatkan file penurunan harga.

Cara menginstal dan menggunakan gptpdf

1、Install

pip install gptpdf

2、menggunakan

from gptpdf import parse_pdf

api_key = 'Your OpenAI API Key'
content, image_paths = parse_pdf(pdf_path, api_key=api_key)
print(content)

Untuk informasi lebih lanjut, lihat tes/test.py

alamat:https://github.com/CosmosShadow/gptpdf/blob/main/test/test.py

Interpretasikan kode test.py

import os

# 从 .env 文件中加载环境变量
import dotenv
dotenv.load_dotenv()

def test_use_api_key():
    from gptpdf import parse_pdf
    pdf_path = '../examples/attention_is_all_you_need.pdf'
    output_dir = '../examples/attention_is_all_you_need/'
    # 从环境变量中获取 OPENAI_API_KEY 和 OPENAI_API_BASE
    api_key = os.getenv('OPENAI_API_KEY')
    base_url = os.getenv('OPENAI_API_BASE')
    # 手动提供 OPENAI_API_KEY 和 OPENAI_API_BASE
    content, image_paths = parse_pdf(pdf_path, output_dir=output_dir, api_key=api_key, base_url=base_url, model='gpt-4o', gpt_worker=6)
    # 输出解析后的内容和图像路径
    print(content)
    print(image_paths)
    # 同时会生成 output_dir/output.md 文件

def test_use_env():
    from gptpdf import parse_pdf
    pdf_path = '../examples/attention_is_all_you_need.pdf'
    output_dir = '../examples/attention_is_all_you_need/'
    # 使用环境变量中的 OPENAI_API_KEY 和 OPENAI_API_BASE
    content, image_paths = parse_pdf(pdf_path, output_dir=output_dir, model='gpt-4o', verbose=True)
    # 输出解析后的内容和图像路径
    print(content)
    print(image_paths)
    # 同时会生成 output_dir/output.md 文件

def test_azure():
    from gptpdf import parse_pdf
    # Azure API Key
    api_key = '8ef0b4df45e444079cd5a4xxxxx' 
    # Azure API 基础 URL
    base_url = 'https://xxx.openai.azure.com/' 
    # Azure 部署的模型 ID 名称（不是 OpenAI 模型名称）
    model = 'azure_xxxx'

    pdf_path = '../examples/attention_is_all_you_need.pdf'
    output_dir = '../examples/attention_is_all_you_need/'
    # 使用提供的 Azure API Key 和基础 URL
    content, image_paths = parse_pdf(pdf_path, output_dir=output_dir, api_key=api_key, base_url=base_url, model=model, verbose=True)
    # 输出解析后的内容和图像路径
    print(content)
    print(image_paths)

if __name__ == '__main__':
    # 取消注释以运行特定的测试函数
    # test_use_api_key()
    # test_use_env()
    test_azure()

3.API

parse_pdf(pdf_path, output_dir='./', api_key=Tidak Ada, base_url=Tidak Ada, model='gpt-4o', verbose=Salah)
Parsing file pdf menjadi file penurunan harga dan kembalikan konten penurunan harga dan daftar semua jalur gambar.

• jalur_pdf: jalur file pdf

• keluaran_dir : Direktori keluaran.Simpan semua gambar dan file penurunan harga

• kunci API :Kunci API OpenAI (opsional). Jika tidak disediakan, variabel lingkungan OPENAI_API_KEY akan digunakan.

• url_dasar : URL dasar OpenAI. (opsional). Jika tidak disediakan, variabel lingkungan OPENAI_BASE_URL akan digunakan.

• model : Model besar multi-modal dalam format OpenAI API, defaultnya adalah "gpt-4o". Jika Anda perlu menggunakan model lain seperti

  Sebelumnya Berikutnya