英伟达开源高性能pdf等文档结构化信息提取工具Ingest
Ingest 是一个性能导向、可扩展的文档内容和元数据提取微服务，支持解析 PDF、Word 和 PowerPoint 文档，以及图像。
它使用 NVIDIA NIM（Neural Inference Machine）微服务来查找、上下文化和提取文本、表格、图表和图片，以便在下游生成应用中使用。NVIDIA Ingest 允许并行化文档分页处理，自动化内容分类（如表格、图表、图片、文本），并通过光学字符识别（OCR）将提取的内容转换为精确定义的 JSON 模式。
此外，NVIDIA Ingest 可以选择管理提取内容的嵌入计算，并管理将其存储到 Milvus 向量数据库中。
支持docker、cli与python中使用
import logging, time
from nv_ingest_client.client import NvIngestClient
from nv_ingest_client.primitives import JobSpec
from nv_ingest_client.primitives.tasks import ExtractTask
from nv_ingest_client.util.file_processing.extract import extract_file_content
logger = logging.getLogger("nv_ingest_client")
file_name = "data/multimodal_test.pdf"
file_...点击查看剩余70%
{{collectdata}}
网友评论