3 步搞定公式图片转 LaTeX：LaTeX-OCR（pix2tex）快速上手
【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
写论文时对着 PDF 里的公式逐个手敲 LaTeX，最磨人。LaTeX-OCR（包名 pix2tex）就是干这个的：公式图片转 LaTeX，给它一张截图，它还你一段代码。
公式识别的底层：一个会"写代码"的视觉 Transformer
它的思路很直白：前端用一个视觉 Transformer（ViT）编码器看图，ViT 前面挂着 ResNet 做特征提取，输出端接一个 Transformer 解码器，逐个 token 地把 LaTeX 代码"写"出来。代码结构可以看 pix2tex/models/ 和 pix2tex/model/settings/config.yaml。
官方测试集上的成绩是 BLEU 0.88、token 准确率 0.60——常用公式基本能直接拿来用，复杂公式仍要过目一遍。
pix2tex 一条命令安装，模型自动下载
前提是 Python 3.7+，并按 PyTorch 官方说明装好对应版本。然后：
pip install "pix2tex[gui]"带[gui]是为了顺便装上图形界面的依赖；如果你只要命令行或 API，可以换对应的 extras 标签。📦 模型 checkpoint（约 200MB）会在首次运行时自动下载，不用手动搬。
不想污染本机环境、或者想直接把识别能力作为服务提供出去，就用官方 Docker 镜像：拉取后把 8502 端口映射到本机，API 即开即用。更多细节见官方文档 docs/installation.md。
按真实场景上手：截图、批量、嵌代码
日常随手：截图转 LaTeX 就开 GUI
装完后跑一下latexocr，一个窗口弹出来：用鼠标框选屏幕上的公式 → MathJax 实时渲染出识别效果 → 结果同时复制进剪贴板，切回 Overleaf 直接粘贴。⚡ 从截图到粘贴，几秒的事。
Linux 用户留意一点：GUI 截图依赖系统工具，GNOME 下默认走 gnome-screenshot，wlroots 系 Wayland 用 grim + slurp，KDE Plasma 用 spectacle。如果默认选择和你桌面不兼容，把环境变量SCREENSHOT_TOOL指到正确的工具上即可。
磁盘图片和批量公式识别：命令行更省事
图片已经在磁盘上时，终端里一条命令搞定：
pix2tex formula.png加--clipboard则直接读剪贴板里的图片。一次可以传多个文件，也支持通配符，模型只加载一遍，逐个输出结果——处理一整个文件夹的公式截图很方便。
需要网络请求做批量工作流的话，装[api]依赖后启动内置服务，它监听 8502 端口，脚本里发 HTTP 请求即可（入口在 pix2tex/api/）。
把识别能力嵌进自己的 Python 代码
在脚本里from pix2tex.cli import LatexOCR，实例化后直接调用：传入一张 PIL 图片，返回 LaTeX 字符串；结果同样会自动进剪贴板。不传新图时它会复用上一张，方便对同一张图反复试（实现见 pix2tex/cli.py）。
识别不准时怎么调：分辨率、temperature 和重试
先说分辨率。模型内置了一个辅助小网络，专门预测输入图的最佳分辨率并自动缩放，所以"图越大越准"是错觉：屏幕拉满放大后再截的图，反而可能不如正常缩放。🔍 截图时放大到"看清为准"的程度即可。
再说结果飘。生成过程是随机采样，同一张图两次识别可能不一样——第一次不理想时直接重试同一张图常常就对了。想要输出更稳定，把 temperature 调低：GUI 里有滑杆，CLI 交互模式下输入t=0.XX随时改。值越低，结果越收敛。
最后，永远人工核对一遍。token 准确率只有 0.60，分式、上下标、容易混淆的希腊字母是最常翻车的地方，贴进文档前扫一眼不亏。
对经常和论文、课件里的公式打交道的人来说，LaTeX-OCR 的价值很具体：把"看图手敲"压缩成"截图、粘贴"两步，剩下的核对工作只花几秒钟。
【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
