Obsidian 插件：VLMs OCR

概述

1. 主要功能 VLMs OCR 是一款多模态 OCR 插件，支持从图片和 PDF 中提取文本、LaTeX 数学公式及表格，并能对图表、流程图生成详细的结构化 Markdown 描述。支持本地离线运行或云端 API 调用。

2. 适用场景 适用于需要处理扫描笔记、学术论文、书籍页面、演示文稿及数据图表的用户。特别适合低显存（2GB-4GB）硬件环境，或注重隐私、希望数据完全本地处理的场景。

3. 核心特色

• 智能模式：自动识别内容类型，智能输出格式化 Markdown、LaTeX 或图表描述。
• 本地优先：基于 llama.cpp/Ollama 运行 GLM-OCR 等高效 VLM，支持 100% 本地隐私保护。
• 低显存优化：针对低配置 GPU 优化，自动缩放图像以节省资源。
• 灵活输出：支持纯文本、公式专用、表格解析及自定义提示词。

4. 使用建议

• 硬件选择：若显存有限（如 MX450），建议优先使用本地模式并启用自动缩放功能。
• 模型配置：新手推荐使用默认的 GLM-OCR (0.9B) 模型，平衡速度与精度。
• 隐私考量：敏感文档务必选择本地运行；若需更高精度且无隐私顾虑，可配置 Hugging Face 云端 API。
• 格式调整：处理数学公式时，建议单独使用“Formulas Only”模式以确保 LaTeX 兼容性。