metadata
title: LangmyOCR
emoji: 📄
colorFrom: indigo
colorTo: blue
sdk: docker
pinned: false
LangmyOCR 是一个基于 Streamlit 的简洁 Web 应用，允许用户上传最多 5 页的 PDF 文件（可为扫描件），自动进行 OCR 识别（使用 OCRmyPDF）并调用 LangExtract 执行结构化信息提取，适用于法律、医疗、评估等场景中的文档智能处理。
✨ 功能特色
- 自动为 PDF 添加不可见文本图层（支持扫描件）
- 中文 + 英文 OCR（Tesseract）
- 使用 LangExtract 提取人名、角色、事件等结构化内容
- JSON 结构化输出，支持下载
- 免费部署，开源可复用
📦 技术栈
- Python 3.10
- Streamlit
- OCRmyPDF
- Tesseract OCR（支持 eng + chi_sim）
- LangExtract（通过 Gemini API 或本地模型）
🔐 环境变量（可选）
如果使用 LangExtract 的 Gemini 模型，请在 Hugging Face 设置中添加 secret：