Hoje vamos abordar como utilizar a Inteligencia artificial (IA / AI) para extrair texto de uma imagem (OCR) usando o Ollama e alguns modelos.
Conforme abordado em artigos anteriores, precisamos ter o ollama instalado em nossa maquina!
Nesse tutorial iremos utilizar o os modelos visuais!
Podemos citar:
- granite3.2-vision
- minicpm-v
- qwen2.5vl:7b
- llava:7b
entre outros! Para mais detalhes, acesse https://ollama.com/search
Para iniciar, precisamos instalar o modulo python (ollama-ocr):
pip install ollama-ocr
Antes de executar, precisamos baixar os modelos no ollama! Acesse o container do ollama e baixe os modelos.
ollama pull llama3.2-vision:11b ollama pull granite3.2-vision ollama pull moondream ollama pull minicpm-v ollama pull qwen2.5vl:7b
Nesse exemplo, vamos utilizar a seguinte imagem:
Vamos para o código python! Procurei deixar comentado o codigo para um maior entendimento!
import os
from ollama_ocr import OCRProcessor
import urllib.request
# URL para baixarmos uma imagem com um texto
URL_IMG = "https://seja.pro/wp-content/uploads/2025/06/GGILJhMqgk.jpg"
# Obtemos apenas o nome do arquivo conforme url, no caso "GGILJhMqgk.jpg"
IMG = f"img/{os.path.basename(URL_IMG)}"
# Realizamos o download da imagem
urllib.request.urlretrieve(URL_IMG, IMG)
# Aqui definimos o modelo (Esse foi o melhor modelo que conseguiu extrair o texto corretamente)
MODEL = "qwen2.5vl:7b"
# Inicializar o processador OCR
ocr = OCRProcessor(model_name=MODEL, base_url="http://<INFORMAR O ENDERECO DA API DO OLLAMA>:11434/api/generate")
# Processar a IMAGEM
result = ocr.process_image(
image_path=IMG, # Path para a Imagem ou o PDF
format_type="text", # Tipo de Retorno: markdown, text, json, structured, key_value
### (Opcional) Abaixo o prompt para retorno do texto extraido da imagem
custom_prompt="""
extraia o texto da imagem
nao gere comentarios, analises ou textos adicionais sobre a imagem
nao descreva a imagem apenas apresente o texto extraido
coloque o texto extraido em uma unica linha
""",
language="Portugues" # Especifique em que idioma está o texto da imagem para um melhor resultado na extração
)
# Mostramos o texto extraido da imagem
print(result)
Ao executar o script, teremos algo como:
Agora que você aprendeu a extrair texto de uma imagem de forma mais eficiente e com poucas linhas de códigos, podemos citar como melhorias, a leitura de videos! Isso fica para um próximo artigo!
Espero que esse artigo tenham gostado desse tutoria!
