obsidian社区插件
Latex OCR
插件ID：latex-ocr
latex-ocr
latex ocr：识别剪切板中的图片中的数学公式并且转换为 latex
Latex OCR for Obsidian是一个插件，可以从你的vault或剪贴板中的图像生成LaTeX方程。用户可以直接将LaTeX方程粘贴到笔记中，使用剪贴板中的图像，并通过上下文菜单中的"生成LaTeX"选项将vault中的图像转换为LaTeX方程。可以使用HuggingFace推断API或在本地运行。用户可以手动安装插件，也可以使用BRAT自动安装。此外，插件还介绍了如何使用推断API和如何在本地运行模型。插件还提供了GPU支持，并感谢NormXU为训练和发布模型所做的贡献。插件解决了从图像中生成LaTeX方程的问题，适用于需要在Obsidian笔记中使用LaTeX方程的用户。
Latex OCR
插件名片
- 插件名称：Latex OCR
- 插件版本：0.6.5
- 插件作者：Lucas Van Mol
- 插件描述：识别剪切板中的图片中的数学公式并且转换为 latex
- 插件项目地址：点我跳转
- 体验下来速度比 ocrlatex 慢了许多（十来秒），但是它可以本地配置模型，无需联网使用
- 可以日常联网时用 orclatex，无网时用 Latex OCR
- 插件在选用本地模型之后无法切换回使用在线模型，可能是 BUG，重装插件恢复即可
使用方法
需要配置完成后才可以使用，配置方法在下一节中给出，这里先给出详细的使用方法
- 插件是识别剪切板中的图片，因此需要先复制一张想要识别有公式的图片
- 光标放到笔记中想要插入公式的地方，打开命令面板（快捷键 ctrl+p）
- 搜索命令 Latex OCR: Paste Latex from clipboard image
使用该命令，正文中出现以下内容代表正在 ocr
等待一会（第一次使用需要一点时间预配会久一点，十来秒左右，后续会快一些）
配置
插件有两种使用方法，二选一即可
- 使用 HuggingFace 的 API，需要联网使用
- 使用本地 python 模型识别，无需联网
Hugging Face API
在 https://huggingface.co 创建一个个人账号，在个人资料设置中创建 token（或者点击 Hugging Face profile settings 直达）
复制 token 到插件设置的 Set API KEY 选项后配置完成
Python 配置
如果你不想要联网使用，可以用本地模型，需要事先按照 python 包（不了解 mac，下面给出在 win 中的操作方法）
在 cmd 中输入
pip install https://github.com/lucasvanmol/latex-ocr-server/releases/download/0.1.0/latex_ocr_server-0.1.0-py3-none-any.whl可以用下面的命令检验是否安装成功
python -m latex_ocr_server --version可以用以下命令卸载该包
pip uninstall latex_ocr_server安装完 python 包后，进行插件的配置
- 第一步：打开 Use local model 设置
- 第二步：填入 python 的安装路径（path to python.exe）
注意
在第一次执行第二步的时候会从 hugging face 下载模型，此时需要确保联网。模型大小约 1.4 GB，由 NormXU/nougat-latex-oc 训练
下载的模型会保存在你的库的插件文件夹中。如果不想让库变得很大，可以在插件设置的选项 Cache dir 中改变模型保存的路径，记得改变路径后删除库中的模型（如果你下载了）
- 第三步：点击下一项 (Re)start server（每次更新 python 路径都需要点击重启服务）
- 第四步：可以点击 Check status 检查是否成功
可以从底部状态栏查看当前服务器状态
| Status 状态 | Meaning 意义 | 中文 |
|---|---|---|
| LatexOCR ✅ | server online | 服务器在线 |
| LatexOCR ⚙️ | server loading | 服务器加载 |
| LatexOCR 🌐 | downloading model | 下载模型 |
| LatexOCR ❌ | server unreachable | 服务器无法访问 |
可以使用 GPU 加速模型识别公式，用以下命令检查 GPU 是否正常工作
python -m latex_ocr_server info --gpu-available如果你没有安装 GPU，可以按照 CUDA 按照 pytorch 的 说明 进行操作，网上也有许多按照 GPU 的教程。注意，你可能需要先卸载 torch，插件不需要使用 torchvision 和 torchaudio
讨论
若阁下有独到的见解或新颖的想法，诚邀您在文章下方留言，与大家共同探讨。
