3K star！为RAG而生的数据清洗神器

最新推荐文章于 2025-04-14 08:15:00 发布

小马不会过河

最新推荐文章于 2025-04-14 08:15:00 发布

阅读量4.5k

点赞数 19

文章标签：语言模型 prompt 百度人工智能自然语言处理

本文链接：https://blog.csdn.net/m0_59163425/article/details/140278569

版权

现在的AI时代，人工智能和大模型的能力很大程度上依赖于数据的质量，但是数据具有不同的形状和大小，因此处理数据非常具有挑战性。

今天我们分享一个开源项目，它为微调或者RAG而生，将任何非结构化数据转换为结构化，它就是：OmniParse

OmniParse 是什么

OmniParse 是一个平台，它可以提取和解析任何非结构化数据，将其转换为针对 GenAI (LLM) 应用程序优化的结构化、可操作数据。无论您处理的是文档、表格、图像、视频、音频文件还是网页，OmniParse 都可以将您的数据准备得干净、结构化，并可用于 RAG、微调等 AI 应用程序

以下是目前支持处理的文件类型：

安装和使用

源码安装

目前OmniParse源码安装仅适用于基于 Linux 的系统。这是由于某些依赖项和系统特定配置与 Windows 或 macOS 不兼容。

git clone <https://github.com/adithya-s-k/omniparse>``cd omniparse

创建虚拟环境：

conda create --n omniparse-venv python=3.10``conda activate omniparse-venv

安装依赖项：

`poetry install``# or``pip install -e .``# or``pip install -r pyproject.toml`

docker安装

也可以通过docker来使用OmniParse

docker build -t omniparse .``# if you are running on a gpu``docker run --gpus all -p 8000:8000 omniparse``# else``docker run -p 8000:8000 omniparse

运行服务

#运行服务器：``python server.py --host 0.0.0.0 --port 8000 --documents --media --web``   ``#--documents：加载所有帮助您解析和提取文档的模型（Surya OCR系列模型和Florence-2）。``#--media：加载Whisper模型来转录音频和视频文件。``#--web：设置selenium爬虫。

启动后会提供一个API服务，内容可以参考以下：

执行示例

以下是执行文档解析的例子，可以解析 PDF、PowerPoint 或 Word 文档。

#Curl 命令：``curl -X POST -F "file=@/path/to/document" <http://localhost:8000/parse_document>

解析图像文件（PNG、JPEG、JPG、TIFF、WEBP）。

#Curl 命令：``   ``curl -X POST -F "file=@/path/to/image.jpg" <http://localhost:8000/parse_media/image>``

产品特点

✅ 完全本地，无需外部 API

✅ 适合 T4 GPU

✅ 支持 ~20 种文件类型

✅ 将文档、多媒体和网页转换为高质量的结构化 markdown

✅ 表格提取、图像提取/字幕、音频/视频转录、网页抓取

✅ 使用 Docker 和 Skypilot 轻松部署

✅ Colab 友好

✅ 由 Gradio 提供支持的交互式 UI

总结

OmniParse 旨在成为一个摄取/解析平台，您可以在其中摄取任何类型的数据，例如文档、图像、音频、视频和 Web 内容，并获得最结构化、最可操作且对 GenAI (LLM) 友好的输出。目前来看项目的思路的实用性很不错，当然目前项目在使用上也有一些不完善，比如它擅长解析英语，但对于中文等语言可能会有困难，另外对于PDF中公式转LaTeX会有困难，具体的可以参考项目给出的信息。

项目信息

项目名称： omniparse
GitHub 链接：https://github.com/adithya-s-k/omniparse
Star 数：3K

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述