Mistral AI OCR介绍

Posted on Edited on Word count in article: 2.7k Reading time ≈ 5 mins.

简要介绍

在过去，最好用的识别数学公式并进行代码转换的网站/软件莫过于Mathpix了：支持各种格式转换，比如pdf,png到tex,md，当然也包括docx等等，无论是pdf文档转换还是截图识别，从移动端的Snip App再到桌面客户端以及网页版、浏览器插件全生态的覆盖让使用体验无比丝滑。

但免费版的使用额度相当有限，而付费订阅又太贵（一年50美刀）；此外，网页版还偶尔会出现网络连接不稳定的情形。

不过现在，号称地表最强的OCR工具Mistral出现了。这是一家法国的初创AI公司，可以理解为欧洲版的DeepSeek，它的价格也十分便宜（OCR功能大概1美刀可以转换上千页pdf）。

使用示例

文件上传

直接访问官网聊天界面（可能需要用手机号注册账号）：

像其他大语言模型一样对话框内上传文件，输入“转换成markdown”即可；比如这里我上传了一篇和DeepSeek-R1的论文：

等待几秒钟，即可得到转换后的markdown代码。
进一步地，利用Typora或Obsidian等markdown编辑器，即可查看或转换成pdf、docx等格式（可能需要额外安装pandoc）。

网页版效果展示

更多效果展示请参阅官网介绍：

这是原来的pdf文件：

这是转化后并在Typora中显示的效果（主题：Newsprint）：
目录（带超链接）
数学公式
表格

可以看到，除了图片外的效果非常不错，但如果要把图片也提取出来并在相应位置保留，就需要用到下面的方法了。

进阶配置

除了在官网的对话界面处理文件外，也可以通过API调用进行批量处理。
感谢@nicekate 提供的Python代码，可以实现在本地调用Mistral API进行文件处理，并且在B站上还有相应的演示视频。

  1. GitHub仓库地址：
    https://github.com/nicekate/mistral-ocr
  2. B站视频：
    【实测 Mistral OCR ：世界最佳文档理解模型？】 https://www.bilibili.com/video/BV1Bw92YiEEH

配置方法也非常简单，只需要申请一个自己的API key，然后再把上面的仓库clone下来，填入相应的API key即可。

申请API key

在控制台左侧菜单栏点击"API Keys"，然后点击右上角的“Create new key”，复制即可。

下载Python代码

先将上述仓库clone到本地：

1
git clone https://github.com/nicekate/mistral-ocr.git

再安装依赖项：

1
pip install mistralai

在pdf_ocr.py 中修改 API 密钥和 PDF 文件路径即可（72～73行）：

1
2
3
API_KEY = "填入你自己的api key""

PDF_PATH = "xxx.pdf"

运行文件，即可在同目录下找到转换后的文件夹ocr_results_xxx，其中包含了转换后的markdown文件和图片文件。

本地转换效果展示

批处理

有时需要同时进行多个PDF文件的转换，于是在此基础上我自己动手增加了批处理功能，可以将同一目录下的所有PDF文件进行转换。

具体修改如下：

  1. 新增 get_pdf_files_in_directory 函数，用于扫描指定文件夹并返回所有 PDF 文件的完整路径。
  2. 在 __main__ 中，替换手动指定 PDF 文件路径的方式，改为从文件夹中自动获取 PDF 文件。
  3. 如果文件夹中没有 PDF 文件，会提示用户。
    以下是新增的代码片段：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
def process_pdfs(pdf_paths: list, api_key: str) -> None:

for pdf_path in pdf_paths:

try:

output_dir = process_pdf(pdf_path, api_key)

print(f"文件 {pdf_path} 处理完成，结果保存在: {output_dir}")

except Exception as e:

print(f"处理文件 {pdf_path} 时出错: {e}")

  

def get_pdf_files_in_directory(directory: str) -> list:

"""获取指定目录中的所有PDF文件路径"""

pdf_files = []

for file in os.listdir(directory):

if file.endswith(".pdf"):

pdf_files.append(os.path.join(directory, file))

return pdf_files

  

if __name__ == "__main__":

# 使用示例

API_KEY = "your_mistral_api_key"

DIRECTORY = "your_pdf_file" # 指定包含PDF文件的文件夹名称

  

# 获取文件夹中的所有PDF文件

PDF_PATHS = get_pdf_files_in_directory(DIRECTORY)

if not PDF_PATHS:

print(f"目录 {DIRECTORY} 中没有找到PDF文件。")

else:

process_pdfs(PDF_PATHS, API_KEY)

完整的文件已上传至GitHub，欢迎star：

https://github.com/YZDame/mistral-ocr

参考资料

  1. 完美翻译 PDF 的第一步-Mistral OCR 初步使用指南 https://zhuanlan.zhihu.com/p/28801320889
  2. 【实测 Mistral OCR ：世界最佳文档理解模型？】 https://www.bilibili.com/video/BV1Bw92YiEEH
  3. https://github.com/nicekate/mistral-ocr
  4. https://github.com/YZDame/mistral-ocr