用途:批量把一个文件夹中的图片和 PDF 解析为 Markdown,使用 baidu/Unlimited-OCR 模型本地推理,结果增量写入 manifest,长任务中断后可续跑而不重复处理。
主要能力:递归扫描输入文件夹;逐图处理(每次前向只处理一张图,实测多图单次会丢页);输出 Markdown,可选输出版面框 JSON;表格默认转为 pipe-markdown,也可保留 HTML;数学公式默认字符间有空格,可用 --collapse-math 合并;按文件记录状态(done、repetition_suspected、failed)与耗时;退出码 0 全部成功、1 疑似重复、2 有硬错误;每个文件独立进程,内存有界。
使用方式:脚本路径为 plugins/unlimited-ocr/scripts/unlimited_ocr_batch_folder_parser.py。基本命令:uv run --no-project $S --folder ~/my_documents --output ~/results。重复执行同一输出目录即自动跳过清单中已完成项。可选参数:--backend auto|mlx|cuda、--collapse-math、--table-format html|pipe、--strip-det、--quiet、--allow-withheld-prompt。输出目录含 manifest.jsonl、progress_report.txt 及各图片/PDF 的 .md(可选 .json)。
适用场景:需要本地批量 OCR 文档、图片,并希望中断可恢复、结果可审计的流程。
限制:图表内容会返回空(仅版面框),需图表内容应改用 unlimited-ocr-segment-figure 裁剪后交给视觉模型;不支持 CPU,仅 MLX(Apple Silicon)与 transformers/CUDA(NVIDIA);清单与输出目录绑定,换目录需重新处理;表格重复检测基准率约 4%,出现 repetition_suspected 需人工检查;MIME 按魔数而非扩展名判断;版面框坐标归一化为 0–1000。具体性能数字与平台细节以资料为准。