用 Xiaomi-OCR-0 把 PDF 转成 Markdown

PDF 处理流程

OCRZero 对每个 PDF 执行四个步骤。

1. 渲染。 每页以 150 dpi 绘制为图片；过宽的页面缩小到 2,200 像素。
2. 解析。 Xiaomi-OCR-0 按阅读顺序把每张页面图片转为 Markdown，并忽略页眉页脚。
3. 清理。 官方后处理把 OTSL 表格转为 HTML，规范数学分隔符，并截掉失控的重复内容。
4. 合并。 各页按顺序合并，并用 HTML 注释标记页码，例如 page 3。

表格、公式与版式

模型用 OTSL 输出表格，这是一种支持合并单元格的紧凑表格标记。OCRZero 会把它转换为带 rowspan 和 colspan 的 HTML 表格，大多数 Markdown 渲染器和 RAG 流程都能直接使用。

公式以 LaTeX 输出，行内为 $ … $，独立公式为 $$ … $$。图片不会被描述；Xiaomi-OCR-0 提取的是页面的文字内容。

速度与成本

在我们对一篇文字密集的研究论文的测试中，单路处理每页约 5 到 15 秒，取决于页面文字量。在 OCRZero 上每页 1 积分：每 1,000 页 5 美元，符合条件的新账号赠送 20 页。