如何把公式图片变成 LaTeX 代码3 步上手 pix2tex 的完整指南【免费下载链接】LaTeX-OCRpix2tex: Using a ViT to convert images of equations into LaTeX code.项目地址: https://gitcode.com/GitHub_Trending/la/LaTeX-OCRpix2texLaTeX-OCR是一款开源的公式图片识别工具给它一张数学公式的截图或照片它直接输出对应的 LaTeX 代码。它提供命令行、图形界面和 HTTP 接口三种用法适合写论文的学生、阅读学术资料的程序员以及任何经常要录入公式的人。公式录入的痛点它能解决多少写论文、整理笔记时你大概率遇到过这种场景PDF 里有一个关键公式需要敲进自己的 LaTeX 文档积分号、上下标、分式一个个手打既慢又容易敲错符号。pix2tex 做的事就是把这个过程反过来——用深度学习模型读懂图片里的公式逐字符预测出 LaTeX 源码。模型结构是一个视觉 TransformerViT编码器加 ResNet 骨干网络再接一个 Transformer 解码器术语白话前者负责看图后者负责写字。官方给出的测试指标为BLEU 分数 0.88、归一化编辑距离 0.10、token 准确率 0.60。这意味着常见学术公式多数能一次识别到位但个别符号仍可能出错成稿前留一步人工核对是必要的。另外两个内置能力值得知道一个小型辅助网络会自动估算输入图片的最佳分辨率你不需要手动缩放图片图形界面里用 MathJax 实时渲染识别结果识别完成后代码会自动进剪贴板。三步装好并跑通第一次识别前提环境Python 3.7并已装好 PyTorch按官方安装指引即可。安装[gui]标签会带上图形界面的依赖pip install pix2tex[gui]首次运行会联网自动下载模型权重文件到本地缓存目录之后离线可用。然后直接处理一张公式图片pix2tex path/to/formula.png终端会打印识别出的 LaTeX 代码同时自动复制到剪贴板粘贴进编辑器即可。典型任务演练任务一识别一张公式图或直接截图识别命令行方式一次可以传入多个文件pix2tex formula1.png formula2.png不带参数运行pix2tex则进入交互模式输入文件路径回车识别Windows 和 macOS 上把图片拷进剪贴板后直接按回车即可输入t0.25调整采样温度show本地渲染预览katex在浏览器里渲染no_resize关闭自动缩放输入x退出。不想碰命令行的话运行latexocr打开图形界面按 AltSmacOS 上是 OptionS框选屏幕上的公式区域识别完成后上方用 MathJax 实时渲染公式下方代码框可在 Raw、LaTeX-$、LaTeX-$$、Sympy 四种输出格式间切换点击 Retry 可对同一张图重新识别temperature 滑杆范围 0~1。任务二批量识别或起一个 HTTP 服务图片数量较多时把多个文件名一次性传给命令行即可交互模式里也可以对同一张图反复重跑直到结果满意。需要以服务形式调用时比如接入自己的工作流安装 API 依赖并启动pip install pix2tex[api] python -m pix2tex.api.run服务监听 8502 端口基于 FastAPI 实现向POST /predict/上传图片文件、向POST /bytes/传图片字节数组都直接返回 LaTeX 字符串。也可以改用 Docker 镜像省去本地依赖docker pull lukasblecher/pix2tex:api docker run --rm -p 8502:8502 lukasblecher/pix2tex:api任务三接入自己的 Python 项目如果公式识别只是你某个脚本里的一环直接以库的形式调用from PIL import Image from pix2tex.cli import LatexOCR img Image.open(formula.png) model LatexOCR() print(model(img)) # 输出识别出的 LaTeX 代码模型实例化一次后可反复调用避免重复加载权重。实用建议建议这样做截图只框住公式主体背景保持干净。白色或浅色背景、公式清晰无遮挡的截图识别效果最稳。避免这样做截图前把图片放大到很大。模型本身在中小分辨率图片上表现最好虽然内置的自动缩放网络会尝试把大图缩小到最像训练数据的尺寸但官方说明它处理超大图片并不完美盲目放大反而得不偿失。建议这样做拿到结果后人工核对一遍尤其是复杂公式。结果存疑时按 Retry 或换个分辨率重新截图再识别一次。建议这样做想要结果稳定就调低 temperature想要多种可能就把调高。温度越低输出越确定越高越随机命令行里输入t0.XX即时生效。常见问题现象首次运行很慢或中途失败。解决办法正在联网下载模型权重检查网络后重试权重会缓存在系统用户数据目录的 pix2tex 文件夹中下载成功后后续运行不再需要联网。现象同一张图每次识别结果都不一样。解决办法这是采样温度带来的随机性调低温度如t0.1输出会趋近一致也可以多按几次 Retry挑一个渲染正确、且与图中公式一致的结果。现象Linux 下 GUI 的截图功能不可用。解决办法系统缺少截图工具。安装 gnome-screenshot或在 wlroots 系 Wayland 合成器上装 grim 与 slurp、KDE 上装 spectacle必要时用环境变量SCREENSHOT_TOOL显式指定使用哪个工具。现象没有显卡CPU 推理等待时间较长。解决办法模型会自动检测并使用 GPU没有则回退 CPU。CPU 场景下把图片分辨率控制得小一些截图时别放大过多可以明显缩短等待时间。写在最后用熟了之后录入公式的体验会接近复制粘贴截图、回车、粘贴剩下的交给模型完成。参考资料安装文档docs/installation.md模型配置pix2tex/model/settings/config.yamlAPI 服务实现pix2tex/api/app.py【免费下载链接】LaTeX-OCRpix2tex: Using a ViT to convert images of equations into LaTeX code.项目地址: https://gitcode.com/GitHub_Trending/la/LaTeX-OCR创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考