#ocr Repositories
Insgesamt 255 Repositories
Erweiterter Echtzeit-Bildschirmsübersetzer für Spiele, fest codierte Untertitel in Videos, statischen Text usw.
Ein einheitliches Toolkit für die Deep-Learning-basierte Dokumentenbildanalyse
Entwickelt von Turing's Cat, die erste Generation künstlicher Intelligenz für Kreation, basierend auf Open-Source GPT2.0 | Skalierbar, evolvierbar
Deep-Learning-unterstütztes Comic-Übersetzungswerkzeug, unterstützt Ein-Klick-Maschinenübersetzung und einfache Bild-/Textbearbeitung | Yet another computer-aided comic/manga translation tool powered by deeplearning
Nutzen Sie OCR in Windows schnell und einfach mit Text Grab. Mit optionalem Hintergrundprozess und Benachrichtigungen.
Das erste Vision-Plugin für DeepSeek Harness und die Vision-Brücke für jeden textbasierten Codierungsagenten. Fügen Sie ein Bild ein, erhalten Sie strukturierte JSON-Beweise (OCR, Layout, Semantik).
Der Mediaplayer für Sprachenlernen, mit doppelten Untertiteln, KI-generierten Untertiteln, Echtzeitübersetzung und mehr!
RuVector bietet leistungsstarke Echtzeit-Entscheidungsfindung und Agentengedächtnis, selbstlernende KI sowie eine in Rust entwickelte Vektor-GNN-Datenbank.
TNN: Entwickelt vom Tencent Youtu Lab und Guangying Lab, ein einheitliches Deep-Learning-Inferenz-Framework für Mobilgeräte, Desktops und Server. TNN zeichnet sich durch mehrere herausragende Merkmale aus, darunter plattformübergreifende Kompatibilität, hohe Leistung, Modellkomprimierung und Codebereinigung. Basierend auf ncnn und Rapidnet stärkt TNN die Unterstützung und Leistungsoptimierung für mobile Geräte weiter und nutzt auch die Vorteile guter Erweiterbarkeit und hoher Leistung aus bestehenden Open-Source-Bemühungen.
MaaEnd Endland-Kleiner Assistent: Automatisierungstool für „Arknights: Endfield“ basierend auf visueller KI
Kostenloser Open-Source-PDF-Editor für Windows mit eigener PDF-2.0-Engine. PDFs anzeigen, kommentieren, per OCR erkennen, Text bearbeiten, schwärzen, signieren, Formulare ausfüllen, vergleichen, zusammenführen, teilen und nach Word, Excel und PowerPoint exportieren. Unterstützt EPUB und DjVu. Kein Konto und kein Abonnement erforderlich.
Eine kuratierte Sammlung praktischer KI-Projekte, die OCR-Systeme, RAG, KI-Agenten und andere KI-Anwendungsfälle implementieren.
Textenerkennung (optische Zeichenerkennung) mit Deep-Learning-Methoden, ICCV 2019
Ein quelloffenes Dokumentenparser-Modell mit modernster Genauigkeit und Geschwindigkeit, das während des Post-Trainings eine RSI-Schleife verwendet.
AdelaiDet ist eine Open-Source-Toolbox für mehrere Aufgaben zur Detektion und Erkennung auf Instanzebene.
Offizielle Implementierung von Character Region Awareness for Text Detection (CRAFT)
Ein auf manga-image-translator basierendes Open-Source-Desktoptool zur KI-Übersetzung von Mangas. Es unterstützt die automatische Verarbeitung japanischer, koreanischer und englischer Mangas und integriert mehrere Übersetzungs-Engines wie OpenAI und Gemini. Der vollständige Workflow umfasst OCR-Texterkennung, das Entfernen des Originaltexts, KI-Übersetzung, Bildrestaurierung und den Satz des übersetzten Textes. Ein visueller Editor ist integriert, benutzerdefinierte Textstile werden unterstützt, und die Anwendung lässt sich mit einem Klick bereitstellen und sofort verwenden.
Ein Open-Source-Python3-Tool mit kleinen Modellen zur Erkennung von Layouts, Tabellen, mathematischen Formeln (LaTeX) und Text in Bildern, das sie in das Markdown-Format konvertiert. Eine kostenlose Alternative zu Mathpix, die eine nahtlose Konvertierung visueller Inhalte in textbasierte Darstellungen ermöglicht. Über 80 Sprachen werden unterstützt.
[ CAPTCHA-Erkennung - Training ] Dieses Projekt basiert auf CNN/ResNet/DenseNet+GRU/LSTM+CTC/CrossEntropy zur Realisierung der CAPTCHA-Erkennung. Dieses Projekt dient nur zum Training des Modells.
Dokumentenextraktions- und Parsing-API (PDF, Word, PPTX ...) mit modernsten OCRs + Ollama-unterstützten Modellen. Dokumente anonymisieren. PII entfernen. Jedes Dokument oder Bild in strukturiertes JSON oder Markdown konvertieren
Go-Paket für OCR (Optical Character Recognition) unter Verwendung der Tesseract C++ Bibliothek
🚀 Screenshots, Wortmarkierung, OCR, KI, Übersetzungssoftware || Screenshots, Wortmarkierung, OCR, KI, Übersetzungssoftware
📄 Lassen Sie KI koreanische amtliche Dokumente lesen und verfassen. Konvertieren Sie HWP-, HWPX- und PDF-Dateien, Office-Dokumente sowie gescannte Bilder in Markdown – und Markdown zurück in amtliche HWPX-Dokumente. Formulare ausfüllen, alte und neue Versionen vergleichen und Dokumente unter Beibehaltung der Formatierung bearbeiten. Bibliothek, CLI und MCP-Server | Koreanische Dokumente für KI: HWP, HWPX, PDF, Office und Scans in Markdown und Markdown zurück in HWPX. Bibliothek, CLI und MCP-Server.
Ein Wrapper, um mit Tesseract OCR innerhalb von PHP zu arbeiten.
KI-Comic- und Manga-Übersetzer-App/Browser-Erweiterung zur automatischen Übersetzung von Comics, Mangas, Manhwas, BDs, Fumetti und mehr in verschiedenen Sprachen und Formaten (Bilder, PDF, EPUB, CBR, CBZ usw.).
Verbessert die Ausgabe von Tesseract OCR mit LLMs (lokal oder API) für Fehlerkorrektur, intelligente Chunking und Markdown-Formatierung von gescannten PDFs
Ein Model-Context-Protokoll-Server zur Konvertierung von fast allem in Markdown
Kostenloses Open-Source-Datei-Toolkit für PDFs, Bilder, Videos und Audiodateien. Komprimiere, konvertiere, führe OCR durch, entferne Hintergründe und transkribiere auf deinem eigenen Server mit nur einem Docker-Befehl. Über 200 Tools, lokale KI und REST-API. Eine Alternative zu iLovePDF, TinyWow, CloudConvert und remove.bg.
End-to-End-Erkennung und -Lesen chinesischer Szenentexte mit CTPN, CRNN und CTC (Legacy-Projekt).
OpenRecall ist eine vollständig Open-Source-Alternative, bei der der Datenschutz an erster Stelle steht, zu proprietären Lösungen wie Microsofts Windows Recall. Mit OpenRecall können Sie einfach auf Ihre digitale Historie zugreifen und so Ihr Gedächtnis und Ihre Produktivität verbessern, ohne Ihre Privatsphäre zu gefährden.
Open-Source-Dokumentenmanagementsystem für Digitale Archive (gescannte Dokumente)
Verwenden Sie LLMs und LLM Vision (OCR), um paperless-ngx zu verarbeiten - Dokumentendigitalisierung mit KI
Optische Zeichenerkennung für japanischen Text, mit dem Hauptaugenmerk auf japanischen Manga
OCR-gestütztes Bildschirm-Aufnahmetool zum Erfassen von Informationen statt Bildern
PDF-Übersetzung unter Beibehaltung von Layout, Formeln und Struktur, geeignet für wissenschaftliche und technische Dokumente
Geräteübergreifende Zwischenablage-Synchronisierung für macOS, Windows und Linux – Ende-zu-Ende-verschlüsselt, nur im LAN, ohne Cloud. OCR, CLI und MCP-Server integriert.
Leichtgewichtiges Dokumentenmanagementsystem, das mit allen Funktionen ausgestattet ist, die Sie von großen, teuren Lösungen erwarten
OCRFlux ist ein leichtgewichtiger, aber leistungsstarker multimodaler Toolkit, der die PDF-zu-Markdown-Konvertierung erheblich vorantreibt und sich durch die Verarbeitung komplexer Layouts, die Analyse komplizierter Tabellen und die inhaltsübergreifende Zusammenführung von Seiten auszeichnet.
Screenshot-, Bildschirmaufnahme- und Videoeditor für macOS. Native SwiftUI-App mit Aufnahmezentrale, über 75 anpassbaren Tastenkürzeln, Automatisierung über URL-Schemata und selbst gehostetem Cloud-Sharing. Open-Source-Alternative zu CleanShot X und Loom.
C-OCR ist ein von Ctrip selbst entwickeltes OCR-Projekt, das hauptsächlich die Erkennung von reisebezogenen Ausweisen und Materialien wie Personalausweisen, Pässen, Zugtickets, Visa usw. umfasst. Das Projekt umfasst 4 Teile: Ablehnung, Detektion, Erkennung, Nachbearbeitung.
Open-Source-Plattform für Infrastruktur und Datenorchestrierung für Risikobewertung
Das offizielle CLI für Agentic Document Extraction (ADE) von LandingAI — Dokumente parsen und schemakonforme Daten direkt über das Terminal extrahieren