Ollama OCR
Ollama OCR lee el texto de imágenes y documentos PDF con un modelo de Ollama capaz de ver, ya sea en tu propio servidor de Ollama o en Ollama Cloud. Puede mejorar la imagen antes de leerla y seguir tus indicaciones sobre qué extraer.
Cuándo usarlo
- Leer facturas o albaranes escaneados para registrar sus datos.
- Sacar el texto de fotos de documentos que llegan por WhatsApp o correo.
- Extraer campos concretos de un formulario, como el nombre y el importe.
- Quieres leer documentos con un modelo que corre en tu propio servidor.
Configuración
Para Ollama Cloud necesitas una credencial Ollama Cloud API; con tu propio servidor no hace falta. Consulta Credenciales.
| Campo | Qué hace |
|---|---|
| Ollama Base URL (obligatorio) | La dirección de tu servidor de Ollama o https://ollama.com (por defecto) para Ollama Cloud. |
| Credential | La credencial Ollama Cloud API. Solo con Ollama Cloud. |
| Model Name | El modelo de visión. Pulsa el botón de refrescar para ver los disponibles. |
| OCR Prompt (obligatorio) | Qué debe hacer el modelo con el documento. Por defecto, «Read all the text in the image.» (leer todo el texto). Puedes pedir, por ejemplo, que devuelva solo ciertos campos. |
| Image/PDF Input | La imagen o el PDF que se lee, por ejemplo la salida de Binary o de un componente que carga archivos. |
| Draw Bounding Boxes | Si pides en OCR Prompt la posición de cada texto, devuelve también la imagen con los recuadros dibujados. Desactivado por defecto. |
| Process PDF Pages | Lee cada página de un PDF como una imagen aparte. Activado por defecto. |
| Enhance Images | Mejora la imagen antes de leerla, solo cuando hace falta. Activado por defecto y recomendado. |
Opciones avanzadas
| Campo | Qué hace |
|---|---|
| PDF DPI | Resolución con que se convierten las páginas del PDF. Por defecto, 300. |
| Gentle Contrast | Sube un poco el contraste de imágenes de baja calidad. Activado por defecto. |
| Subtle Sharpen | Enfoca ligeramente la imagen. Activado por defecto. |
| Binarize (Black & White) | Convierte la imagen a blanco y negro puro. Desactivado por defecto y no recomendado. Con Binarize Threshold ajustas el umbral; 0 lo calcula solo. |
| Max Tokens | Longitud máxima de la respuesta. Por defecto, 4096. |
| Temperature | Lo creativo que es el modelo, de 0 a 1. Por defecto, 0,1. |
Resultado
La salida OCR Results trae el texto leído de cada imagen o página.
En modo herramienta, un agente puede usar el componente por sí mismo. Consulta Tool Mode.
Ejemplo
Un archivo municipal quiere digitalizar documentos sin enviarlos fuera.
- Escribe en Ollama Base URL la dirección de su servidor de Ollama y elige un modelo de visión.
- Conecta los documentos a Image/PDF Input y guarda OCR Results.
Componentes relacionados
- Text Extractor: saca nombres, fechas o importes del texto leído.