#ocr Repositories
Insgesamt 255 Repositories
Eine Liste von Open-Source-KI-Projekten, mit denen Sie einfach Einkommen erzielen können.
Shiping: Screenshots + KI, um alles auf deinem Bildschirm zu verstehen. Code, Fehlermeldungen, Aufgaben, Diagramme und fremdsprachige Materialien – erstelle per Tastenkürzel einen Screenshot und erhalte eine Antwort. Das Tool kann dauerhaft im Hintergrund laufen; markiere jederzeit einen Bereich zur sofortigen Erkennung. Im Gesprächsmodus versteht es Fragen in Echtzeit und liefert die wichtigsten Antwortpunkte. Nutze es als Desktop-Tool, Interview-, Prüfungs- oder Übungsassistent.
PaddleOCR-Inferenz in PyTorch. Konvertiert von [PaddleOCR](https://github.com/PaddlePaddle/PaddleOCR)
RMT (RuoMengTu) ist ein kostenloses Open-Source-Makro-Tool, das auf AHKv2 basiert. Lassen Sie den Code die mühsame Arbeit erledigen – Sie haben sinnvollere Dinge zu tun.
🌝 MLKit ist ein leistungsstarkes und einfach zu bedienendes Toolkit. Mit ML Kit können Sie Funktionen wie Texterkennung, Barcode-Erkennung, Bild-Labeling, Gesichtserkennung, Objekterkennung usw. ganz einfach implementieren.
Open-Source-Forschungstool zur Suche, Durchsuchung, Analyse und Erkundung großer Dokumentensammlungen mittels Semantic Search Engine und Open-Source-Plattform für Text Mining & Text Analytics (Integriert ETL für die Dokumentenverarbeitung, OCR für Bilder & PDF, Named Entity Recognition für Personen, Organisationen & Orte, Metadatenmanagement mit Thesaurus & Ontologies, Suchbenutzeroberfläche & Such-Apps für Volltextsuche, facettierte Suche & Knowledge Graph)
Win顺: Ein kostenloser, quelloffener Schnellstart für die Windows-Suche. Strg zweimal drücken, um Dateien sofort per Pinyin zu finden, den Volltext von Word-/Excel-/PDF-Dateien zu durchsuchen, den Verlauf der Zwischenablage aufzurufen (als Ersatz für Win+V), in Dialogfeldern und der Taskleiste zu suchen sowie Plugins und den KI-Assistenten MCP zu nutzen. Ein kostenloser Windows-Suchstarter mit Pinyin-Dateisuche, Volltextsuche, Zwischenablageverlauf und MCP-Server. Eine Alternative zu Everything/Listary.
⌘⌘ - Ein leichtgewichtiges, natives macOS-Screenshot-Tool, das in deiner Menüleiste lebt. Drücke zweimal die ⌘ Command-Taste, um einen beliebigen Bereich deines Bildschirms aufzunehmen – sofort in die Zwischenablage kopiert oder vorher mit Stift- und Mosaik-Werkzeugen annotiert.
Beliebige Datei → sauberes Markdown für KI-Agenten: PDF, Word, PowerPoint, Excel, EPUB, HTML und Webseiten, Bilder (OCR), Audio und Video (Metadaten, Untertitel, Transkripte). Ein schneller Rust-MCP-Server und eine CLI, die auf deinem Rechner laufen. Kein API-Schlüssel erforderlich.
SnapX ist ein kostenloses, quelloffenes, plattformübergreifendes Tool, mit dem Sie jeden Bereich Ihres Bildschirms erfassen oder aufzeichnen und ihn sofort mit einem einzigen Tastendruck teilen können. Laden Sie Bilder, Videos, Texte und mehr ganz einfach an mehrere unterstützte Ziele hoch. ShareX-Fork.
Paddle.js ist ein Webprojekt für Baidu PaddlePaddle, ein Open-Source-Deep-Learning-Framework, das im Browser läuft. Paddle.js kann entweder ein vortrainiertes Modell laden oder ein Modell von Paddle-Hub mit den von Paddle.js bereitgestellten Modellumwandlungswerkzeugen transformieren. Es kann in jedem Browser ausgeführt werden, der WebGL/WebGPU/WebAssembly unterstützt. Es kann auch in Baidu Smartprogram und WX miniprogram ausgeführt werden.
SumatraPDF-Fork: Chinesisches EPUB/MOBI, intelligenter PDF-Dunkelmodus, OCR, TTS, Offline-Wörterbuch.
📄 PDF -> .MD/.JSON API & SDK für PaddleOCR-VL mit strukturiertem Datenauszug. Selbst-hostbar.
Organisieren Sie die derzeit quelloffenen optimalen Tabellenerkennungsmodelle, verbessern Sie die Vor- und Nachbearbeitung und konvertieren Sie die Modelle in ONNX.
Fork von tess-two, das von Grund auf neu geschrieben wurde, um die neueste Version von Tesseract OCR zu unterstützen.
[dsh] Ein leistungsfähigeres visuelles Toolkit für reine Textmodelle: Installation und Nutzung mit einer einzigen Zeile, direkte Bilderkennung durch Einfügen von Bildern, Fragen und Antworten zu mehreren Bildern, Wiederherstellung der Frontend-UI aus Screenshots und vieles mehr|Native DeepSeek-Harness-Integration für agent-vision-toolkit: Bildfragen und -antworten, OCR für lange Screenshots, UI-Wiederherstellung, Grounding, Pixel-Diff, Artifacts und Web UI.
Hinweise, Raster und Vim-Tasten für deinen gesamten Desktop. Nativ entwickelt für macOS, Linux und Windows.
Ein Immersions-Toolkit zum Lernen von Sprachen durch Spiele und andere visuelle Medien.
Lokaler, quelloffener KI-Assistent für Ihre Daten. Vereinheitlicht Aufgaben, Notizen, Dokumente, Fotos und Lesezeichen. Privat, selbstgehostet und über APIs erweiterbar.
Ein minimalistisches SOTA LaTeX OCR-Modell mit nur 20M Parametern, das im Browser läuft. Die vollständige Trainings-Pipeline steht zur Selbst-Reproduktion zur Verfügung. | Leichtgewichtiges SOTA LaTeX Formel-Erkennungsmodell mit nur 20M Parametern, das im Browser läuft. Der gesamte Trainings-Workflow-Code ist für das Selbststudium und die Reproduktion Open Source.
PDF in Markdown umwandeln mit Vision-LLMs – Tabellen, Layouts und Struktur erhalten
JevChat-Windows: Ein Antwortassistent, der neben dem Chatfenster angedockt ist. Er erstellt einen Screenshot des Fensters und liest die Nachrichten der anderen Person per lokalem Offline-OCR aus → Jev ermittelt die Absicht → 3 Antwortvorschläge können mit einem Klick eingefügt werden; das Senden erfolgt immer manuell.
2019CCF-BDCI-Wettbewerb Gewinner des Preises für die beste innovative Erkundung Champion des Themas zur OCR-basierten Extraktion von ID-Karten-Elementen Tianchen Poxiao-Team Themen-Quellcode
Eine lokale, offline (nach der Ersteinrichtung), tragbare OCR-Software, die Bilder und PDF-Dateien verarbeiten kann, unter Verwendung von DeepSeek-OCR-2 AI (direkt auf Ihrem Rechner laufend).
Ein leichtgewichtiger macOS-Auswahl-Übersetzer, der mit reinem Swift 6 erstellt wurde, mit Apple Translate auf dem Gerät für Datenschutz, nur 5 MB Installationsgröße und stabile ~50 MB Speichernutzung. Ein leichtgewichtiges macOS-Wortauswahl-Übersetzungstool, rein mit Swift 6 entwickelt, Apple-Übersetzung auf dem Gerät zum Schutz der Privatsphäre, Installationsgröße nur 5 MB, stabile Speichernutzung im Hintergrund ca. 50 MB
Notizbegleiter: KI-Assistent für Obsidian, der über reinen Chat hinausgeht. (zuvor Datei-Organisator 2000)
Freies Open-Source-Dokumentenmanagementsystem (Spiegel, keine Pull Requests oder Issues)
Ein Supermarkt-Quittungs-Parser, geschrieben in Python mit tesseract OCR
Universelle LaTeX-Dokumenten-Skill für Claude Code: 27 Vorlagen, 27 Skripte, 26 Referenzhandbücher. Erstellt mit Claude Code auf der ✦ HappyCapy AI ✦ Plattform
AI‑VTuber mit LLM, ASR, TTS, OCR, CV und weiteren Technologien, um Live‑Streams zu erstellen oder Minecraft mit Ihnen zu spielen.
Schnelle, schmerzfreie, intuitive OCR-Plattform, geschrieben in Rust und TypeScript. Modernes UI mit moderner API, mit Schwerpunkt auf intuitiver Benutzererfahrung.
Weboberfläche zur Texterkennung, Korrektur von OCR und Erstellung vollständig digitalisierter Dokumente.
CnSTD: Ein Python3-Paket für die Erkennung von Szenen-Text (Scene Text Detection), mathematischen Formeln (Mathematical Formula Detection, MFD) und Layout-Analyse (Layout Analysis) auf Basis von PyTorch/MXNet für Chinesisch/Englisch