#ocr Repositories
Insgesamt 255 Repositories
🎮 Echtzeit-Spielübersetzungstool | OCR + KI-Übersetzung | Windows Gaming | Open Source
Dedoc ist eine Bibliothek (Dienstleistung) zur automatisierten Dokumentenanalyse und zur Überführung in ein einheitliches Format. Es extrahiert automatisch Inhalte, logische Struktur, Tabellen und Metainformationen aus textbasierten elektronischen Dokumenten. (Dokumentenanalyse; Extrahierung von Dokumenteninhalten; Extrahierung der logischen Struktur; PDF-Parser; Parser für gescannte Dokumente; DOCX-Parser; HTML-Parser)
Scannt Genshin Impact Charaktere, Artefakte und Waffen aus dem Spielfenster in eine JSON-Datei.
meikipop – universelles japanisches OCR-Popup-Wörterbuch für Windows, Linux und macOS
Windows-Nachrichtensimulation, GDI, DX, OpenGL-Screenshot, Bildsuche, Textsuche (OCR)
Blitzschnelles Tool zur Extraktion von Hardsubtitles. Mit nur einem Apple M1 Chip oder einer Nvidia 3060 Grafikkarte wird eine 10-fache Extraktionsgeschwindigkeit erreicht. A very fast tool for video hardcode subtitle extraction
Windows-Begleiter für League of Legends ARAM Mayhem mit schreibgeschützten LCU-Empfehlungen, Hextech-Augment-Statistiken und OCR-Overlays im Spiel.
Ein iOS-Automatisierungstool und MCP-Server, mit dem KI-Assistenten wie Claude, Codex und Cursor den iPhone-Bildschirm verstehen und das Gerät direkt steuern können. Unterstützt das Abrufen des UI-Baums, das Auffinden von Elementen, Screenshots und OCR-Erkennung, Tippen und Wischen, Texteingabe, App-Verwaltung und das Auslesen von Protokollen – ideal für automatisierte Tests sowie iOS-Reverse-Engineering und Debugging.
WeChat-Automatisierung für Windows (keine Webversion), ein wxauto-Nachbau mit Unterstützung für WeChat 4.x
Multimodale OCR-Pipeline optimiert für ML-Training (Text, Abbildung, Mathematik, Tabellen, Diagramme)
Automatische Kennzeichenerkennung (ALPR) oder Automatische Nummernschilderkennung (ANPR) Software, die mit jeder Kamera funktioniert.
Schnelle Offline-OCR für Node.js und C++. PP-OCRv6 mit Core-ML-/WebGPU-Hardwarebeschleunigung – erkennt Text in Bildern mit Konfidenzwerten und Koordinaten. npm: @arcships/light-ocr
Ein (begleitendes) Plugin zur Erleichterung der Textextraktion aus Bildern (OCR) und PDFs.
🔍 Bessere Texterkennung durch Kombination mehrerer OCR-Engines (EasyOCR, Tesseract und Pororo) mit 🧠 LLM.
KI-Bankauszugs-Dokumentenautomatisierung durch LLM-Modell und persönliche Finanzanalyse
[ECCV 2026] Ein diffusionsbasiertes Framework für Dokumenten-OCR, das autoregressives Decodieren durch blockweises paralleles Diffusionsdecodieren ersetzt.
Eine einfache und schöne plattformübergreifende Screenshot-Software. Sie unterstützt auch Offline-OCR, Bildübersetzung, Sticker und die Funktion zum Anheften von Bildern.
Gib KI-Agenten Augen, Ohren und überprüfbare Ergebnisse. Watch Skill macht aus Videos, Audio und Bildschirmaktivitäten durchsuchbare, mit Zeitstempeln versehene Belege und weist Arbeit anhand deterministischer Verträge nach – nicht anhand von Modellmeinungen. DeepWatch ist der auf DeepSeek Harness basierende Arbeitsbereich für Agenten. Python + npm, MCP, CLI, REST, Web.
Verwandle jedes Dokument in sauberes, KI-fähiges Markdown. Desktop-App mit Local-First-Ansatz: Liest gescannte PDFs, verarbeitet Ordner stapelweise, läuft offline und benötigt deutlich weniger Tokens als Bildverarbeitungsmodelle.
Screenshots, Bildschirmaufnahmen und Texterkennung (OCR) für macOS, Windows und Linux.
Open-Source-Screenshot-Tool für Windows mit Scrollaufnahme, Anmerkungen, OCR, Übersetzung, Bearbeitung angehefteter Bilder, GIF-Aufzeichnung und Zwischenablageverlauf.
Offizielle Implementierung von SynthTIGER (Synthetic Text Image Generator), ICDAR 2021
Tool zur Organisation elektronischer Rechnungen und Vorbereitung von Erstattungsanträgen: Rechnungen im PDF-/OFD-/XML-Format gesammelt aus dem E-Mail-Postfach abrufen, per OCR erkennen, kategorisieren und archivieren sowie Excel-Übersichten erstellen. Als Desktop-Version für Windows/macOS und als DSH-Plug-in verfügbar.
macOS-CLI für OCR und durchsuchbare PDFs unter Verwendung des Vision-Frameworks von Apple
OneClip — Ein einfacher und professioneller nativer Zwischenablage-Manager für macOS | Ein sauberes und ansprechendes Zwischenablage-Tool für macOS | Unterstützt außerdem leichte Screenshots und Scroll-Screenshots, Bildschirm- und Audioaufnahmen, OCR, die Übersetzung markierter Texte, Drag-and-Drop-Container, Stapel-Einfügen, Textauswahl mit PopClip, KI-Integration, Synchronisierung im lokalen Netzwerk und vieles mehr
Der offizielle Code für „Deep Unrestricted Document Image Rectification“, TMM, 2023.
Chat-Assistent im schwebenden Fenster (macOS): Bildschirmerkennung + ein lokales kleines Modell zur Einschätzung von Absicht und Risiko, das anhand von Gesprächsbausteinen Antwortvorschläge generiert. Ausschließlich lesend.
Eine Toolbox für Deep-Learning-Modellbereitstellung mit C++ YoloX | YoloV7 | YoloV8 | Gan | OCR | MobileVit | Scrfd | MobileSAM | StableDiffusion
📖 Ein sofort einsatzbereites Kraftpaket für die akademische PDF-Übersetzung | Windows + Mac | Bewahrt die Formatierung von Formeln perfekt · Tiefe Zotero-Integration · 35 Sprachen · Über 20 KI-Übersetzungs-Engines · Tabellen/OCR/Glossare · Stapelübersetzung | Basiert auf PDFMathTranslate (EMNLP 2025)
🔥🔥🔥Java-Code zur Implementierung des Aufrufs von RapidOCR (basiert auf PaddleOCR), Anpassung für Mac, Win, Linux, Unterstützung für das neueste PP-OCRv4
Selbst gehosteter Dienst zur Umwandlung von URLs und Dateien in Markdown – für Menschen und KI-Agenten. Unterstützt Webseiten, Dokumente, Bilder, Audio und YouTube. PWA + REST + MCP + Claude-Code-Skill, Reddit-kompatibel und mit aktualisierbaren Freigabelinks.