ministral-3 が公開されたので Gradio と Ollama を使ってOCRアプリを作る

実行画面

Pythonスクリプト

できるだけシンプルに書いてみました。

ollama.chat() を使えば、デフォルトで http://localhost:11434 に接続します

import gradio as gr
from ollama import chat

def extract_text_from_image(image):
    """画像から文字を抽出する関数"""
    stream = chat(
        model="ministral-3",
        messages=[
            {
                "role": "user",
                "content": "この画像に含まれれる文字を抽出して下さい。回答は抽出した文字だけにして下さい。",
                "images": [image],
            }
        ],
        stream=True
    )

    result = ""
    for new_text in stream:
        result += new_text.message.content

    return result

# Gradioインターフェースの作成
demo = gr.Interface(
    fn=extract_text_from_image,
    inputs=gr.Image(type="filepath", label="画像をアップロード"),
    outputs=gr.Textbox(label="抽出されたテキスト", lines=15, show_copy_button=True),
    title="画像からテキスト抽出",
    description="画像をアップロードすると、含まれている文字を抽出します。"
)

if __name__ == "__main__":
    demo.launch()

環境構築

Ollamaバージョン

ollama version is 0.13.1

Python環境構築

pyproject.tomlを載せておきます。 （バージョンはあえて固定しています）

uvを使うとuv syncだけで環境構築できると思います。

[project]
name = "ollama-ministral3"
version = "0.1.0"
description = "Add your description here"
readme = "README.md"
requires-python = ">=3.13"
dependencies = [
    "gradio==5.50.0",
    "ollama==0.6.1",
]