Mindket

GLM OCR 演示

新上架第 1 版 · 更新于

概览

在浏览器里用 GLM-OCR 模型读取文档图片中的文字和结构。适合想试用复杂文档 OCR 又不想配置环境的人。

GLM OCR 演示 是一款工具包,属于效率类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • 在线使用的话什么都不用装
  • 在自己电脑上运行副本需要 Python
  • 用 pip 安装的 huggingface_hub 包
  • requirements.txt 里的 Python 包
用在
  • 网页浏览器,打开 Hugging Face 上这个 Space 的页面
  • 你自己的电脑,Windows、macOS 或 Linux,装有 Python
  • 任何 MCP 客户端,因为这个 Space 带有 MCP 标签
先运行
pip install -U huggingface_hub
hf download prithivMLmods/GLM-OCR-Demo --repo-type space --local-dir GLM-OCR-Demo
cd GLM-OCR-Demo

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

GLM OCR Demo 让你在浏览器里试用 GLM-OCR 模型。它是一个面向复杂文档理解的多模态 OCR 模型,你给它一张文档图片,它就为你读出内容。这个演示用 Gradio 搭建。

适合谁

如果你想先看看 GLM-OCR 处理真实文档的效果,再决定要不要围绕它开发,它就适合你。

行业谁在用怎么用例子
行政办公人员从扫描页里提取文字试一份扫描表单,看读出了什么
研究研究者在复杂文档上测试 OCR比较模型读一页密集内容的效果
开发开发者接入应用之前先试用模型在示例文档上检查输出
教育学生把拍下来的笔记转成文字试一张打印讲义的照片

如果你需要有保障的托管 OCR 服务,可以跳过它,因为这只是个演示。

用在哪里

  • 网页浏览器,打开 Hugging Face 上这个 Space 的页面
  • 你自己的电脑,Windows、macOS 或 Linux,装有 Python
  • 任何 MCP 客户端,因为这个 Space 带有 MCP 标签
使用场景谁用得到什么
读取扫描页办公人员模型在图片里找到的文字
测试复杂版面研究者模型处理这些版面的表现
试用 examples 文件夹新手快速了解模型能做什么

如何设置

  • 在线使用的话什么都不用装
  • 在自己电脑上运行副本需要 Python
  • 用 pip 安装的 huggingface_hub 包
  • requirements.txt 里的 Python 包
  1. 打开 Hugging Face 上这个 Space 的页面,即可在线使用。
  2. 要运行副本,先安装 huggingface_hub,再把这个 Space 下载到一个文件夹。
  3. 进入该文件夹,安装指定版本的 Gradio,再安装列出的依赖包。
  4. 用 Python 启动应用。
pip install -U huggingface_hub
hf download prithivMLmods/GLM-OCR-Demo --repo-type space --local-dir GLM-OCR-Demo
cd GLM-OCR-Demo
pip install gradio==6.30.0
pip install -r requirements.txt
python app.py

如何使用

打开页面,添加一张文档图片,然后运行。仓库里有一个 examples 文件夹,你可以先试试。在自己的副本上,用下面的命令启动应用,再打开 Gradio 打印出的本地页面。

python app.py

示例

上传一张打印页面的照片,运行演示。你会得到 GLM-OCR 模型从这一页读出的文字。

新手与专家

如果你是新手,先在线打开这个 Space,试一份示例文档。这样你用自己的文件之前,就能先看到返回的结果。

如果你熟悉这个领域,这个演示把 zai-org 的 GLM-OCR 模型包进了 Gradio 应用。它在 Hugging Face 的 GPU 硬件上运行,带有 MCP 标签。除了 requirements.txt,还有一个单独的 pre-requirements 文件,所以在你自己的机器上安装顺序可能有影响。

  1. 你添加一张文档图片
  2. Gradio 把它交给 GLM-OCR 模型
  3. 模型读取内容
  4. 结果显示在页面上

注意事项

  • License: apache-2
  • Cost to run: 没有提到费用。在线的 Space 运行在 Hugging Face 的硬件上。
  • Data it reaches: 你提供的图片,以及它指定的 zai-org GLM-OCR 模型。
  • Not for: 有运行时间或准确率保障的生产级 OCR。它只是个演示,来源也没有给出准确率数字。

README 和文件

README

GLM OCR 演示

在浏览器里用 GLM-OCR 模型读取文档图片中的文字和结构。适合想试用复杂文档 OCR 又不想配置环境的人。

由 prithivMLmods 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么:GLM OCR Demo 让你在浏览器里试用 GLM-OCR 模型。它是一个面向复杂文档理解的多模态 OCR 模型,你给它一张文档图片,它就为你读出内容。这个演示用 Gradio 搭建。

适合谁:如果你想先看看 GLM-OCR 处理真实文档的效果,再决定要不要围绕它开发,它就适合你。

行业 | 谁在用 | 怎么用 | 例子
行政 | 办公人员 | 从扫描页里提取文字 | 试一份扫描表单,看读出了什么
研究 | 研究者 | 在复杂文档上测试 OCR | 比较模型读一页密集内容的效果
开发 | 开发者 | 接入应用之前先试用模型 | 在示例文档上检查输出
教育 | 学生 | 把拍下来的笔记转成文字 | 试一张打印讲义的照片

如果你需要有保障的托管 OCR 服务,可以跳过它,因为这只是个演示。

用在哪里:

  • 网页浏览器,打开 Hugging Face 上这个 Space 的页面
  • 你自己的电脑,Windows、macOS 或 Linux,装有 Python
  • 任何 MCP 客户端,因为这个 Space 带有 MCP 标签
使用场景 | 谁用 | 得到什么
读取扫描页 | 办公人员 | 模型在图片里找到的文字
测试复杂版面 | 研究者 | 模型处理这些版面的表现
试用 examples 文件夹 | 新手 | 快速了解模型能做什么

如何设置:

  • 在线使用的话什么都不用装
  • 在自己电脑上运行副本需要 Python
  • 用 pip 安装的 huggingface_hub 包
  • requirements.txt 里的 Python 包
  1. 打开 Hugging Face 上这个 Space 的页面,即可在线使用。
  2. 要运行副本,先安装 huggingface_hub,再把这个 Space 下载到一个文件夹。
  3. 进入该文件夹,安装指定版本的 Gradio,再安装列出的依赖包。
  4. 用 Python 启动应用。
pip install -U huggingface_hub
hf download prithivMLmods/GLM-OCR-Demo --repo-type space --local-dir GLM-OCR-Demo
cd GLM-OCR-Demo
pip install gradio==6.30.0
pip install -r requirements.txt
python app.py

如何使用:打开页面,添加一张文档图片,然后运行。仓库里有一个 examples 文件夹,你可以先试试。在自己的副本上,用下面的命令启动应用,再打开 Gradio 打印出的本地页面。

python app.py

示例:上传一张打印页面的照片,运行演示。你会得到 GLM-OCR 模型从这一页读出的文字。

新手与专家:如果你是新手,先在线打开这个 Space,试一份示例文档。这样你用自己的文件之前,就能先看到返回的结果。

如果你熟悉这个领域,这个演示把 zai-org 的 GLM-OCR 模型包进了 Gradio 应用。它在 Hugging Face 的 GPU 硬件上运行,带有 MCP 标签。除了 requirements.txt,还有一个单独的 pre-requirements 文件,所以在你自己的机器上安装顺序可能有影响。

你添加一张文档图片
Gradio 把它交给 GLM-OCR 模型
模型读取内容
结果显示在页面上

注意事项:

  • License: apache-2
  • Cost to run: 没有提到费用。在线的 Space 运行在 Hugging Face 的硬件上。
  • Data it reaches: 你提供的图片,以及它指定的 zai-org GLM-OCR 模型。
  • Not for: 有运行时间或准确率保障的生产级 OCR。它只是个演示,来源也没有给出准确率数字。

Hugging Face 上的数据(2026年11月13日)

  • 点赞:128
  • 构建方式:gradio
  • 许可证:apache-2.0

链接

  • Space:https://huggingface.co/spaces/prithivMLmods/GLM-OCR-Demo
  • 文件:https://huggingface.co/spaces/prithivMLmods/GLM-OCR-Demo/tree/main

试用

在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。

文件
README.md  4 KB

1 个文件,共 4 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

同类产品对比

同一分类里与本产品共有标签最多的已上架 Hugging Face Space。

产品点赞构建方式许可证最近更新
GLM OCR 演示 本页128gradioapache-2.0
Background Removal共有 mcp-server · gradio2,988gradiomit
Diffusers Image Outpaint共有 mcp-server · gradio2,565gradioapache-2.0
FLUX.1 Kontext共有 mcp-server · gradio1,661gradiomit
Chatterbox Turbo Demo共有 mcp-server · gradio541gradiomit
WAN2.2 I2V LIGHTNING-Video-4-8step共有 mcp-server · gradio425gradioapache-2.0
数据为 Mindket 在 2026-11-12 读取的数值。

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

anaksor-ocr

Sokheng · 工具包

这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。

新上架

Qwen2.5-7B-Instruct-GGUF

Qwen · 工具包

Qwen2.5-7B-Instruct 的 GGUF 文件,提供八种量化大小,可通过 llama.cpp 在本地聊天。适合想在自己电脑上用 7.6B 强力模型、又不想搭 Python 环境的人。

新上架

ACE-Step 1.5 XL SFT

ACE-Step · 工具包

用 4B 扩散解码器根据文字生成音乐,50 步并带引导控制,音频质量高于基础版。适合拥有 12 GB 或更多显存 GPU 的创作者。

新上架

效率类的相似商品

查看效率类的全部商品

Guizang PPT Skill

op7418 · 技能

能生成单文件 HTML 幻灯片、幻灯片配图和多平台封面的技能,有两套视觉风格,还带演讲者模式用于排练。适合使用 Claude Code 或 Codex 的演讲者。

新上架29.8k

Frontend Slides

zarazhangrui · 技能

从零开始或从 PowerPoint 文件生成 HTML 演示文稿,并展示几种视觉风格预览供你挑选,适合不懂 CSS 和 JavaScript、又想做网页幻灯片的人。

新上架32.3k

IPTV

iptv-org · 工具包

把来自多个国家的公开电视直播频道整理成播放列表,任何支持直播流的视频播放器都能打开。适合想看直播的观众,也适合需要频道数据的开发者。

新上架144k