# allenai/olmocr

> Инструмент для преобразования PDF, PNG и JPEG в чистый Markdown с сохранением формул, таблиц и рукописного текста, на базе 7B VLM. Нужен для подготовки PDF-документов в датасеты и обучение LLM.

- Магнитуда: 2,0 из 10 — Ровно
- Звёзды: 19 723 всего · +3 звезды по замерам 2026-10-07, 11:04–12:47 UTC, к вечеру ≈ 9
- Доверие к звёздам: рост звёзд выглядит естественно
- Категория: Языковые модели · Язык: Python · Лицензия: Apache-2.0 · Создан: 2024-09-17 · Последний коммит: 2026-03-25
- GitHub: https://github.com/allenai/olmocr · Страница: https://gitnova.dev/r/allenai/olmocr

## Чем пригодится

- Сконвертировать научные статьи в Markdown для датасета обучения LLM
- Извлечь текст из сканов с таблицами и формулами в читаемом порядке
- Прогнать olmOCR-Bench для сравнения качества OCR-систем

## Почему он здесь

- По замерам счётчика за 2026-10-07 (UTC), 11:04–12:47: 19720 → 19723 звёзд (+3). Это прирост за указанный интервал.
- Расчётный прогноз на конец суток: около +9 звёзд; учитывает наблюдаемый прирост и предыдущий день.
- За последние двое суток темп в 3,4 раза выше, чем в предыдущие полторы недели.
- GitHub Trending Python за день: #3, +22 звезды.

## Доверие к звёздам

Рост звёзд выглядит естественно.

Метки доверия к звёздам — эвристики по поведению репозитория, а не проверка каждого, кто поставил звезду.

## Цифры

- Форков: 1 645
- Issues и pull requests: 476
- Наблюдателей: 109
- В среднем за неделю: 8 в день
- Обычный темп: 9 в день
- Звёзд за последний час (по замерам): -1
- Последний релиз: v0.4.27 (2026-03-12)

## Звёзды по дням за 30 дней (от старых к новым, сегодня — неполный день)

2026-09-08 … 2026-10-07: 10, 6, 6, 5, 0, 0, 83, 53, 21, 6, 3, 1, 2, 12, 8, 7, 4, 5, 4, 12, 4, 5, 5, 5, 5, 3, 2, 10, 24, 3

## Где замечен сейчас

- GitHub Trending Python за день: #3, +22 звезды

## Похожие по описанию

1. **datalab-to/chandra** — 0,9 · Ровно · Языковые модели · Python · +0 звёзд по замерам 2026-10-07, 00:27–12:53 UTC, к вечеру ≈ 1
   Chandra OCR 2 — OCR-модель, которая превращает изображения и PDF в структурированные HTML, Markdown или JSON с сохранением разметки, таблиц, формул и рукописного текста.
   Полная карточка: https://gitnova.dev/r/datalab-to/chandra.md
2. **beatrizalmeidaf/papero-pdf-text-extractor** — 0,8 · Ровно · Данные и аналитика · Python · +0 звёзд по замерам 2026-10-07, 00:25–12:54 UTC, к вечеру ≈ 0
   Открытый API и Python-библиотека для извлечения структуры PDF: порядок чтения, таблицы, формулы, рисунки и координаты блоков. Работает на CPU без ML-моделей, файлы не сохраняются.
   Полная карточка: https://gitnova.dev/r/beatrizalmeidaf/papero-pdf-text-extractor.md
3. **microsoft/markitdown** — 3,1 · Ровно · Языковые модели · Python · +6 звёзд по замерам 2026-10-07, 11:06–12:42 UTC, к вечеру ≈ 49
   Python-утилита от Microsoft для конвертации PDF, Office-документов, изображений, аудио, HTML и других форматов в Markdown, ориентированный на использование в LLM-пайплайнах. Сохраняет структуру документа (заголовки, списки, таблицы,…
   Полная карточка: https://gitnova.dev/r/microsoft/markitdown.md
4. **Edwardxlai/easyread** — 1,8 · Остывает · Продуктивность и self-hosted · Python · +7 звёзд по замерам 2026-10-07, 00:22–12:47 UTC, к вечеру ≈ 13
   Локальное приложение для чтения англоязычных научных статей: импортирует PDF, переводит постранично в фоне и показывает перевод с формулами, таблицами и возможностью сверяться с оригиналом, делать пометки и задавать вопросы AI. Данные…
   Полная карточка: https://gitnova.dev/r/Edwardxlai/easyread.md
5. **LaoFeng-mouse/flyingmouse-format** — 1,7 · Ровно · Приложения · JavaScript · +9 звёзд по замерам 2026-10-07, 00:25–12:48 UTC, к вечеру ≈ 16
   Офлайн-конвертер файлов для Windows и macOS на Electron: изображения, документы, таблицы, PDF, аудио и видео с OCR, пакетной обработкой и CLI. Внутри FFmpeg, LibreOffice, Poppler и Tesseract, без обращения к сети.
   Полная карточка: https://gitnova.dev/r/LaoFeng-mouse/flyingmouse-format.md

---

Магнитуда (0–10) — насколько быстро и необычно сейчас растёт интерес к репозиторию. Это не оценка качества.
Дни — по UTC. «Уже сегодня» — факт, «к вечеру ≈» — прогноз.
Описания и сценарии пишет модель (DeepSeek V4.1 Flash) по README, в деталях возможны ошибки: конкретные утверждения (замеры, скорость, железо) проверяйте в самом репозитории.
Данные на 2026-10-07 12:58 UTC, обновление каждые 30 минут.