#ocr Repositories
Insgesamt 255 Repositories
Das LLM-Agenten-Framework in ComfyUI umfasst die Knoten MCP-Server, Omost, GPT-sovits, ChatTTS, GOT-OCR2.0 und FLUX-Prompt. Es bietet Zugriff auf Feishu, Discord und passt sich an alle LLMs mit ähnlichen OpenAI/AISuite-Schnittstellen an, wie z. B. o1, ollama, gemini, grok, qwen, GLM, deepseek, kimi, doubao. Angepasst an lokale LLMs, VLMs, GGUF wie llama-3.3 Janus-Pro, Linkage GraphRAG
Unterstützen Sie das mühelose Organisieren Ihrer Dokumentenstapel, die aus Scans, E-Mails und anderen Quellen stammen.
AALC, Limbus Company-Assistent für PC. AALC, hilfe für Limbus Company auf dem PC.
Ein Tool zur Konvertierung des Farbschemas/der Palette eines Hintergrundbildes, zur OCR mittels traditioneller und hybrider VLM-Methoden, zur Bildkomprimierung, zur Farbpalettenextraktion, zur Bildhochskalierung (Upscaling) mit Adversarial Networks und für weitere Bildverarbeitungsfunktionen.
Lassen Sie Claude (oder ein beliebiges LLM) tatsächlich ein Video ansehen — szenenbewusste, deduplizierte Frames + Transkript, von einer URL oder lokalen Datei. Läuft lokal, MIT.
Mit TensorFlow implementiertes System zur Erkennung von handschriftlichem Text (HTR).
Rust Multi-Backend OCR/VLM‑Engine (DeepSeek‑OCR‑1/2, PaddleOCR‑VL, DotsOCR) mit DSQ‑Quantisierung und einem OpenAI-kompatiblen Server & CLI – läuft lokal ohne Python.
Browser- und Desktop-Automatisierung mit einem MCP-Server für KI-Assistenten. Zeichnen Sie Makros auf oder schreiben Sie JavaScript, um Websites zu automatisieren, Daten zu extrahieren und Desktop-Anwendungen per OCR und Bilderkennung zu steuern.
Ein On-Premises-Toolkit zur Extraktion unstrukturierter Daten, Konvertierung in Markdown und Benchmarking, ohne OCR. (https://idp-leaderboard.org/)
QuickClipboard ist ein plattformübergreifendes Tool zur Erweiterung der Zwischenablage (derzeit unterstützt Windows und Android), das auf Tauri 2 + Rust + React basiert. Es beginnt in dem Moment zu arbeiten, in dem Sie etwas kopieren – es zeichnet automatisch Text, Bilder, Rich Text und Dateien auf, sodass Sie jederzeit alles wiederfinden können, was Sie jemals kopiert haben. QuickClipboard dient nicht nur der Aufzeichnung, sondern integriert auch Funktionen wie das Anheften von Bildern, OCR und LAN-Synchronisation, was eine umfassende Steigerung Ihrer täglichen Büroeffizienz bedeutet.
Kopieren Sie beliebigen Text auf Ihrem Bildschirm, hören Sie auf, ihn neu einzugeben.
OCR-Modell mit 1 Million Parametern – läuft auf der CPU, ist 15-mal schneller als Tesseract und erreicht eine Genauigkeit nahe der von Modellen mit über 1 Milliarde Parametern
Durchsuchen Sie Dokumente, Code und sogar Screenshots sofort und lokal. Ein kostenloser Open-Source-Datei-Launcher mit OCR, semantischer Suche und Zugriff für MCP-Agenten.
Ein leichtgewichtiges OCR-System, das auf PaddleOCR basiert und vom PaddlePaddle Deep Learning Trainingsframework entkoppelt ist, mit ultraschneller Inferenzgeschwindigkeit.
Eine Sammlung origineller, innovativer Ideen und Algorithmen für fortgeschrittene literarische Maschinen. Dieses Projekt wird vom OCR-Team im Language Technology Lab des Tongyi Lab der Alibaba Group betreut.
Leistungsstarke On-Device-KI-Inferenzbibliothek für React Native mit Fokus auf Datenschutz, angetrieben von PyTorchs ExecuTorch-Runtime
YomiToku ist ein Python-Paket, das eine auf KI basierende Analyse-Engine für japanische Dokumente bereitstellt. Yomitoku ist ein auf KI basierendes Paket zur Analyse von Dokumentbildern, das speziell für die japanische Sprache entwickelt wurde.
Schnelle und effiziente Extraktion unstrukturierter Daten. Geschrieben in Rust mit Bindings für viele Sprachen.
MixTeX multimodales LaTeX, ZhEn und Tabellen-OCR. Es führt eine effiziente CPU-basierte Inferenz lokal offline unter Windows durch.
ExtractThinker ist eine Document Intelligence-Bibliothek für LLMs, die eine ORM-ähnliche Interaktion für flexible und leistungsstarke Dokumenten-Workflows bietet.
Sammlung von Open-Source-Bibliotheken und Tools für Robotic Process Automation (RPA), die für die Verwendung mit Robot Framework und Python konzipiert wurden
Extrahieren und konvertieren Sie Daten aus beliebigen Dokumenten, Bildern, PDFs, Word-Dokumenten, PPTs oder URLs in mehrere Formate (Markdown, JSON, CSV, HTML) mit intelligenter strukturierter Datenextraktion und fortschrittlicher OCR.
Open-Source-Screenshot- und Bildschirmaufnahme für macOS. Die kostenlose, native Alternative zu CleanShot X. Entwickelt mit Swift 6.0 und SwiftUI.
OpenOCR: Ein Open‑Source‑Toolkit für allgemeine OCR‑Forschung und -Anwendungen, das ein einheitliches Trainings- und Bewertungbench‑Mark, kommerziell ausgereifte OCR‑ und Dokumenten-Parsing-Systeme sowie treue Reproduktionen der Kernimplementierungen aus einer breiten Palette akademischer Arbeiten integriert.
Offline-Texterkennung für Bilder mit OCR als Befehlszeilenprogramm für Windows, das Ergebnisse als JSON-Zeichenkette ausgibt, um die Verwendung durch andere Programme zu erleichtern. Bietet APIs in verschiedenen Sprachen. Kompiliert aus PaddleOCR C++.
Open-Source-Plattform zur Extraktion strukturierter Daten aus Dokumenten mittels KI.
Eine verpackte und flexible Version des CRAFT-Textdetektors und des Keras CRNN-Erkennungsmodells.
Eine Gruppe von Notebooks und anderen Dateien, die Ihnen helfen können, KI von Grund auf zu erlernen.
Ein selbst gehosteter, ressourcenbewusster Dateikonvertierungsserver mit Unterstützung für 530 Formate in 26 Sprachen.
Mouseover Translate Any Language At Once - Chrome Extension: PDF Translator, EBOOK, EPUB, OCR, TTS, NETFLIX, YOUTUBE DUAL SUBTITLES, GOOGLE DOCS, AI, VIEWER, GMAIL, WRITING, IMAGE, DUALSUBS, MANGA, HOVER, DICTIONARY, WEBTOON, EDGE, JAPANESE, ENGLISH
Wie kopiert man Text aus Bildern? Die Antwort ist TextSnatcher!. Führen Sie OCR-Vorgänge in Sekunden auf dem Linux-Desktop aus.
Open-Source-Android-Übersetzer für den Echtzeit-Bildschirm ohne Root, geeignet für Spiele, Visual Novels und Manga. Unterstützt On-Device- und Cloud-OCR, Offline-LLMs, mehrere Übersetzungsdienste, Bildschirmübersetzungen und Text-to-Speech (TTS).
Computernutzung für etwa 0,0002 US-Dollar pro Schritt: den Bildschirm per OCR erfassen, die nächste Aktion mit TypeSafe klassifizieren und klicken. macOS.
:art: Erweiterte Version der mathematischen Formelerkennung: Handschriftliche und gedruckte Formeln auf Chinesisch und Englisch, unterstützt grundlegende Symbolableitung (Datenstruktur basierend auf LaTeX Abstract Syntax Tree) Math Formula OCR Pro, unterstützt Handschrift, chinesisch-englische gemischte Formeln und einfache Symbolenfolgerung (basierend auf LaTeX AST).