File size: 14,632 Bytes
2c67080 |
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 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 |
# Release Notes
# Update 2025.07.25: **V1.1.4** Released
Major Changes:
- Upgraded the Mathematical Formula Detection (MFD) and Mathematical Formula Recognition (MFR) models to version 1.5. All default configurations, documentation, and examples now use `mfd-1.5` and `mfr-1.5` as the standard models.
主要变更：
- 数学公式检测（MFD）和数学公式识别（MFR）模型升级到 1.5 版本，所有默认配置、文档和示例均以 `mfd-1.5` 和 `mfr-1.5` 为标准模型。
# Update 2025.05.06: **V1.1.3.2** Released
Major Changes:
- Fixed a potential error when processing transparent images, see [#171](https://github.com/breezedeus/Pix2Text/issues/171) for details.
主要变更：
- 修复了处理透明图片时可能出现的错误，具体见 [#171](https://github.com/breezedeus/Pix2Text/issues/171) 。
# Update 2025.04.27: **V1.1.3.1** Released
Major Changes:
- Bugfix: Fixed the issue of model import related to VLM.
主要变更：
- 修复了 VLM 相关的模型导入问题。
# Update 2025.04.15: **V1.1.3** Released
Major Changes:
- Support for `VlmTableOCR` and `VlmTextFormulaOCR` models based on the VLM interface (see [LiteLLM documentation](https://docs.litellm.ai/docs/)) allowing the use of closed-source VLM models. Installation command: `pip install pix2text[vlm]`.
- Usage examples can be found in [tests/test_vlm.py](tests/test_vlm.py) and [tests/test_pix2text.py](tests/test_pix2text.py).
主要变更：
- 支持基于 VLM 接口（具体参考 [LiteLLM 文档](https://docs.litellm.ai/docs/)）的 `VlmTableOCR` 和 `VlmTextFormulaOCR` 模型，可使用闭源 VLM 模型。安装命令：`pip install pix2text[vlm]`。
- 使用方式见 [tests/test_vlm.py](tests/test_vlm.py) 和 [tests/test_pix2text.py](tests/test_pix2text.py)。
# Update 2024.12.17: **V1.1.2.3** Released
Major Changes:
- Bugfix: Fixed issues related to downloading models on Windows.
主要变更：
- 修复了在 Windows 环境下下载模型的问题。
# Update 2024.12.11: **V1.1.2.2** Released
Major Changes:
- Bugfix: Resolved issues related to serialization errors when handling ONNX Runtime session options by ensuring that non-serializable configurations are managed appropriately.
主要变更：
- 修复了与 ONNX Runtime session options 相关的序列化错误，通过确保不可序列化的配置信息在适当的管理下进行处理。
# Update 2024.12.02: **V1.1.2.1** Released
Major Changes:
* Fixed an error in `fetch_column_info()@DocYoloLayoutParser`, thanks to Bin.
主要变更：
* 修复了 fetch_column_info()@DocYoloLayoutParser 中的错误，感谢网友 Bin 。
# Update 2024.11.17: **V1.1.2** Released
Major Changes:
* A new layout analysis model [DocLayout-YOLO](https://github.com/opendatalab/DocLayout-YOLO) has been integrated, improving the accuracy of layout analysis.
* Bug fixes:
* When the text language is set to English only, a dedicated English OCR model is used to avoid including Chinese in the output.
* The processing logic for PNG images has been optimized, enhancing recognition performance.
主要变更：
* 版面分析模型加入 [DocLayout-YOLO](https://github.com/opendatalab/DocLayout-YOLO)，提升版面分析的准确性。
* 修复 bugs：
* 在设置文本语言只有英语时，使用专门的英文 OCR 模型，避免输出中包含中文。
* 对 PNG 图片的处理逻辑进行了优化，提升了识别效果。
# Update 2024.07.18: **V1.1.1.2** Released
Major Changes:
* fix bugs：
* https://github.com/breezedeus/Pix2Text/issues/129
* https://github.com/breezedeus/Pix2Text/issues/116
主要变更：
* 修复 bugs：
* https://github.com/breezedeus/Pix2Text/issues/129
* https://github.com/breezedeus/Pix2Text/issues/116
# Update 2024.06.24: **V1.1.1.1** Released
Major Changes:
* Added a new parameter `static_resized_shape` when initializing `MathFormulaDetector`, which is used to resize the input image to a fixed size. Some formats of models require fixed-size input images during inference, such as `CoreML`.
主要变更：
* `MathFormulaDetector` 初始化时加入了参数 `static_resized_shape`, 用于把输入图片 resize 为固定大小。某些格式的模型在推理时需要固定大小的输入图片，如 `CoreML`。
## Update 2024.06.18: **V1.1.1** Released
Major changes:
* Support the new mathematical formula detection models (MFD): [breezedeus/pix2text-mfd](https://huggingface.co/breezedeus/pix2text-mfd) ([Mirror](https://hf-mirror.com/breezedeus/pix2text-mfd)), which significantly improves the accuracy of formula detection.
See details: [Pix2Text V1.1.1 Released, Bringing Better Mathematical Formula Detection Models | Breezedeus.com](https://www.breezedeus.com/article/p2t-mfd-v1.1.1).
主要变更：
* 支持新的数学公式检测模型（MFD）：[breezedeus/pix2text-mfd](https://huggingface.co/breezedeus/pix2text-mfd) ([国内镜像](https://hf-mirror.com/breezedeus/pix2text-mfd))，公式检测精度获得较大提升。
具体说明请见：[Pix2Text V1.1.1 发布，带来更好的数学公式检测模型 | Breezedeus.com](https://www.breezedeus.com/article/p2t-mfd-v1.1.1)。
## Update 2024.06.17：**V1.1.0.7** Released
Major changes:
* adapted with cnstd>=1.2.4, thanks to [@g1y5x3](https://github.com/g1y5x3) .
主要变更：
* 适配 cnstd>=1.2.4 ，感谢 [@g1y5x3](https://github.com/g1y5x3) 。
## Update 2024.06.04：**V1.1.0.6** Released
Major changes:
* Fix: The Text OCR incorrectly carried over the configuration from previous calls when it was called multiple times.
主要变更：
* 修复 bug：Text OCR 多次调用时错误沿用了之前的配置信息。
## Update 2024.05.27：**V1.1.0.5** Released
Major changes:
* Fixed bugs such as that in `._parse_remaining`.
主要变更：
* 修复 `._parse_remaining` 等 bug。
## Update 2024.05.20：**V1.1.0.4** Released
Major changes:
* set `table_as_image` as `True` if `self.table_ocr` is not available.
* fix typo: https://github.com/breezedeus/Pix2Text/pull/108 . Thanks to [@billvsme](https://github.com/billvsme).
主要变更：
* 如果 `self.table_ocr` 不可用，将 `table_as_image` 设置为 `True`。
* 修复拼写错误：https://github.com/breezedeus/Pix2Text/pull/108 。感谢 [@billvsme](https://github.com/billvsme)。
## Update 2024.05.19：**V1.1.0.3** Released
Major changes:
* A new paid model, `mfr-plus`, has been added, which offers better recognition for multi-line formulas.
* When recognizing only English, CnOCR does not output Chinese.
* Bugs have been fixed.
主要变更：
* 加入新的付费模型：`mfr-plus`，对多行公式的识别效果更好。
* 在只识别英文时，CnOCR 不输出中文。
* 修复 bugs。
## Update 2024.05.10：**V1.1.0.2** Released
Major changes:
* Fixed the error caused by empty lines in `merge_line_texts`.
主要变更：
* 修复 `merge_line_texts` 中空行导致的错误。
## Update 2024.04.30：**V1.1.0.1** Released
Major changes:
* Fix the exception occurring when saving files on Windows.
主要变更：
* 修复 Windows 下存储文件时出现的异常。
## Update 2024.04.28：**V1.1** Released
Major changes:
* Added layout analysis and table recognition models, supporting the conversion of images with complex layouts into Markdown format. See examples: [Pix2Text Online Documentation / Examples](https://pix2text.readthedocs.io/zh-cn/latest/examples_en/).
* Added support for converting entire PDF files to Markdown format. See examples: [Pix2Text Online Documentation / Examples](https://pix2text.readthedocs.io/zh-cn/latest/examples_en/).
* Enhanced the interface with more features, including adjustments to existing interface parameters.
* Launched the [Pix2Text Online Documentation](https://pix2text.readthedocs.io).
主要变更：
* 加入了版面分析和表格识别模型，支持把复杂排版的图片转换为 Markdown 格式，示例见：[Pix2Text 在线文档/Examples](https://pix2text.readthedocs.io/zh-cn/latest/examples/)。
* 支持把整个 PDF 文件转换为 Markdown 格式，示例见：[Pix2Text 在线文档/Examples](https://pix2text.readthedocs.io/zh-cn/latest/examples/)。
* 加入了更丰富的接口，已有接口的参数也有所调整。
* 上线了 [Pix2Text 在线文档](https://pix2text.readthedocs.io)。
## Update 2024.03.30：**V1.0.2.3** Released
Major changes:
* Fixed the issue caused by `merge_line_texts`, see details at: https://github.com/breezedeus/Pix2Text/issues/84.
* Optimized the post-processing logic to handle some abnormal sequences.
主要变更：
* 修复 `merge_line_texts` 带来的错误，具体见：https://github.com/breezedeus/Pix2Text/issues/84 。
* 优化了后处理逻辑，处理部分不正常的序列。
## Update 2024.03.18：**V1.0.2.2** Released
Major changes:
* The previously used `output_logits` argument is incompatible with transformers < 4.38.0, replaced by the `output_scores` argument. https://github.com/breezedeus/Pix2Text/issues/81
* Fixed a bug in `serve.py` that was not compatible with the new pix2text version.
主要变更：
* 之前使用的 `output_logits` 参数不兼容 transformers < 4.38.0，换为 `output_scores` 参数。 https://github.com/breezedeus/Pix2Text/issues/81
* 修复 `serve.py` 中未兼容新版接口的 bug。
## Update 2024.03.15：**V1.0.2.1** Released
Major Changes:
* Fixed mishandling of LaTeX expressions during post-processing, such as replacing `\rightarrow` with `arrow`.
* Added `rec_config` parameter to `.recognize_text()` and `.recognize_formula()` methods for passing additional parameters for recognition.
主要变更：
* 修复对 LaTeX 表达式进行后处理时引入的误操作，如 `\rightarrow` 被替换为 `arrow`。
* 对 `.recognize_text()` 和 `.recognize_formula()` 加入了 `rec_config` 参数，以便传入用于识别的额外参数。
## Update 2024.03.14：**V1.0.2** Released
Major Changes:
* Optimized the recognition process, improving the recognition of boundary punctuation that may have been missed before.
* Enhanced the LaTeX recognition results by restoring the formula tags to the formulas.
* Adjusted the output format of the recognition results, adding the `return_text` parameter to control whether to return only text or more detailed information. When returning more detailed information, confidence score `score` and position information `position` will also be provided. Thanks to [@hiroi-sora](https://github.com/hiroi-sora) for the suggestion: https://github.com/breezedeus/Pix2Text/issues/67.
主要变更：
* 优化了识别的逻辑，以前可能漏识的边界标点现在可以比较好的识别。
* 对 Latex 识别结果进行了优化，把公式的 tag 还原到公式中。
* 调整了识别结果的输出格式，增加了参数 `return_text` 来控制结果是只返回文本还是更丰富的信息。当返回更丰富信息时，会返回置信度 `score` 以及位置信息 `position`。感谢 [@hiroi-sora](https://github.com/hiroi-sora) 的建议：https://github.com/breezedeus/Pix2Text/issues/67 。
## Update 2024.03.03：发布 **V1.0.1**
主要变更：
* 修复在 CUDA 环境下使用 `LatexOCR` 时出现的错误，具体见：https://github.com/breezedeus/Pix2Text/issues/65#issuecomment-1973037910 ，感谢 [@MSZ-006NOC](https://github.com/MSZ-006NOC)。
## Update 2024.02.26：发布 **V1.0**
主要变更：
* 数学公式识别（MFR）模型使用新架构，在新的数据集上训练，获得了 SOTA 的精度。具体说明请见：[Pix2Text V1.0 新版发布：最好的开源公式识别模型 | Breezedeus.com](https://www.breezedeus.com/article/p2t-v1.0)。
## Update 2024.01.10：发布 **V0.3**
主要变更：
* 支持识别 **`80+` 种语言**，详细语言列表见 [支持的语言列表](./README_cn.md#支持的语言列表)；
* 模型自动下载增加国内站点；
* 优化对检测 boxes 的合并逻辑。
## Update 2023.12.21：发布 **V0.2.3.3**
主要变更：
* fix: bugfixed from [@hiroi-sora](https://github.com/hiroi-sora) , thanks much.
## Update 2023.09.10：发布 **V0.2.3.2**
主要变更：
* fix: 去掉 `consts.py` 无用的 `CATEGORY_MAPPINGS`。
## Update 2023.07.14：发布 **V0.2.3.1**
主要变更：
* 修复了 `self.recognize_by_clf` 返回结果中不包含 `line_number` 字段导致 `merge_line_texts` 报错的bug。
## Update 2023.07.03：发布 **V0.2.3**
主要变更：
* 优化了对检测出的boxes的排序逻辑，以及对混合图片的处理逻辑，使得最终识别效果更符合直觉。具体参考：[Pix2Text 新版公式识别模型 | Breezedeus.com](https://www.breezedeus.com/article/p2t-mfd-20230702) 。
* 修复了模型文件自动下载的功能。HuggingFace似乎对下载文件的逻辑做了调整，导致之前版本的自动下载失败，当前版本已修复。但由于HuggingFace国内被墙，国内下载仍需 **梯子（VPN）**。
* 更新了各个依赖包的版本号。
## Update 2023.06.20：发布新版 MFD 模型
主要变更：
* 基于新标注的数据，重新训练了 **MFD YoloV7** 模型，目前新模型已部署到 [P2T网页版](https://p2t.breezedeus.com) 。具体说明见：[Pix2Text (P2T) 新版公式检测模型 | Breezedeus.com](https://www.breezedeus.com/article/p2t-mfd-20230613) 。
* 之前的 MFD YoloV7 模型已开放给星球会员下载，具体说明见：[P2T YoloV7 数学公式检测模型开放给星球会员下载 | Breezedeus.com](https://www.breezedeus.com/article/p2t-yolov7-for-zsxq-20230619) 。
## Update 2023.02.19：发布 **V0.2.2.1**
主要变更：
* 修复bug。
## Update 2023.02.19：发布 **V0.2.2**
主要变更：
* 修复旋转框导致的识别结果错误；
* 去掉代码中不小心包含的 `breakpoint()`。
## [Yanked] Update 2023.02.19：发布 **V0.2.1**
主要变更：
* 增加后处理机制优化Latex-OCR的识别结果；
* 使用最新的 [CnSTD](https://github.com/breezedeus/cnstd) 和 [CnOCR](https://github.com/breezedeus/cnocr)，它们修复了一些bug。
## Update 2023.02.03：发布 **V0.2**
主要变更：
* 利用 **[CnSTD](https://github.com/breezedeus/cnstd)** 新版的**数学公式检测**（**Mathematical Formula Detection**，简称 **MFD**）能力，**P2T V0.2** 支持**识别既包含文字又包含公式的混合图片**。
## Update 2022.10.21：发布 V0.1.1
主要变更：
* Fix: remove the character which causes error on Windows
## Update 2022.09.11：发布 V0.1
* 初版发布
|