** Английский** |中E

中

Mac Apple Silicon (M1/M2/M3/M4)** rge baidu/Unlimited-OCR (6.7B VLM) — заземление OCR, [bbox]

** patch NVIDIA CUDA 12.9+** НАСТОЯЩИЙ Mac : 3 патч,

[скрыто] [скрыто] | ** OCR** | 6,7B VLM
| ️ Web UI | :rge → → →
| * * * * | 中 / / / / / 10 + , +
| * * Слово * * | / /
| ️ ** ** | , | | **MCP ** | 一 Claude Code / Codex / AI

• • • • • | SSE ,

) (M4 Pro 48GB)

| | | [скрыто] [скрыто]

---

| (768×1024) | ~9s | | (1024×1024, 13 ) | ~19s | [править править код] ~20s/ |

一

./model_dir, ~/.cache/huggingface/hub/ SSD:

###Существует

Web UI ()):

****:

️ Web UI

| | | [скрыто] [скрыто] | ) | ) (PDF )) | | ) | OCR )()) | [править править код] / / /
, , , , , ,

1. ) ) ) [[Т3]]
3. Интенсивный

** API **( web/.env):

***: ****。

Unlimited OCR · Mac (Apple Silicon) 适配版

English | 中文

---

中文

在 Mac Apple Silicon (M1 / M2 / M3 / M4) 上本地跑通 baidu/Unlimited-OCR (6.7B VLM) — 带 grounding 的 OCR,直接输出 [bbox] 格式。

官方只支持 NVIDIA CUDA 12.9+。这个仓库是社区维护的 Mac 适配:打 3 个 patch,其它都和上游一致。

✨ 功能亮点

实测性能 (M4 Pro 48GB)

🚀 一键安装

git clone https://github.com/Konsn666/unlimited-ocr-mac.git
cd unlimited-ocr-mac
bash scripts/install.sh          # 安装 OCR 模型 (~5-10 分钟, 下载 6.7GB)
bash web/scripts/install_web.sh  # 安装 Web UI 依赖 (~1 分钟)

模型默认装到 ./model_dir,缓存走 ~/.cache/huggingface/hub/。装外置 SSD:

HF_HUB_CACHE="/Volumes/外置盘/Model/hub" bash scripts/install.sh

一键运行

Web UI (推荐):

bash web/scripts/start_web.sh
# 打开 http://localhost:8800

命令行:

# 单图
bash scripts/run.sh /path/to/your.png

# 多图批处理
bash scripts/run.sh --image_dir /path/to/images/ --output_dir ./out

# 高级参数
bash scripts/run.sh /path/to/image.png \
    --base_size 1024 --image_size 640 --max_length 8192 \
    --no_repeat_ngram_size 35 --ngram_window 128

🖥️ Web UI 使用指南

基本流程

上传 PDF/图片 → 点击「开始扫描」→ 实时查看识别结果 → 编辑 → 翻译 → 导出 Word

界面布局

翻译功能

1. 在顶部下拉框选择目标语言（如 → English）
2. 点击 🌐 翻译 按钮
3. 译文以紫色缩进样式紧跟在原文下方
4. 再次点击可取消翻译

翻译 API 配置（编辑 web/.env）:

# 支持任何 OpenAI 兼容的 API
TRANSLATE_API_BASE=https://api.openai.com/v1    # OpenAI
# TRANSLATE_API_BASE=https://api.deepseek.com/v1 # DeepSeek
# TRANSLATE_API_BASE=http://localhost:11434/v1    # 本地 Ollama

TRANSLATE_API_KEY=sk-your-api-key-here
TRANSLATE_MODEL=gpt-4o

💡 提示: 翻译是可选功能。不配置 API Key 仍可正常使用 OCR 识别和导出，只是无法翻译。

导出 Word

点击 📥 导出 Word 按钮后，可选择三种模式:

作为 MCP 服务 (给 Claude Code / Codex / 其他 AI 工具调用)

bash scripts/mcp.sh    # 启动 stdio MCP server

注册到 Claude Code (~/.claude.json 或项目 .mcp.json):

{
  "mcpServers": {
    "unlimited-ocr": {
      "command": "python3",
      "args": ["/path/to/unlimited-ocr-mac/mcp_server/server.py"]
    }
  }
}

注册到 OpenAI Codex CLI (~/.codex/config.toml):

[mcp_servers.unlimited-ocr]
command = "python3"
args = ["/abs/path/to/unlimited-ocr-mac/mcp_server/server.py"]

启动后,你的 AI 工具就能调用: