#document-processing Repositorios
Descubre 65 repositorios activos de código abierto de GitHub etiquetados con #document-processing, que acumulan 214,351 estrellas en total (una media de 3,297 estrellas por proyecto). El líder de este tema es virgiliojr94/book-to-skill, con 38,623 estrellas.
65 repositorios en total
Convierte cualquier PDF de libro técnico en una habilidad Claude Code — lista para estudiar, consultar y usar mientras trabajas.
PdfCraft: un lector y editor de PDF de código abierto escrito desde cero en Rust puro
RocketRide es un meta-harness de IA de código abierto con el único entorno de ejecución de nivel empresarial basado en C++. Crea, prueba y publica agentes duraderos que escalan en producción.
Kit de herramientas para linealizar PDF para conjuntos de datos/entrenamiento de LLM
PDF craft puede convertir archivos PDF a varios otros formatos. Este proyecto se centrará en el procesamiento de archivos PDF de libros escaneados.
Habilidades modulares de SenseNova para crear asistentes de oficina y flujos de trabajo de productividad basados en IA
Paper2Code: Automatización de la generación de código a partir de artículos científicos en aprendizaje automático
Traducción de PDF manteniendo el diseño, fórmulas y estructura, apta para documentos científicos y técnicos
C-OCR es un proyecto OCR desarrollado por Ctrip, que incluye principalmente el reconocimiento de documentos y materiales relacionados con los viajes, como tarjetas de identidad, pasaportes, billetes de tren, visados, etc. El proyecto consta de 4 partes: rechazo, detección, reconocimiento y postprocesamiento.
Extrae datos estructurados e información valiosa de documentos mediante modelos de lenguaje grandes y modelos de decisión
WAS-NS v3 Reborn; herramientas para procesamiento de imágenes, filtros, máscaras, texto, lógica, números, latentes, archivos, escenas 3D y animación.
Las bibliotecas de widgets de Syncfusion Flutter incluyen widgets de UI de alta calidad y paquetes de formatos de archivo para ayudarlo a crear aplicaciones ricas y de alta calidad para iOS, Android y web desde una única base de código.
[OBSOLETO] Biblioteca Java principal + PDF/A, xtra y XML Worker. Solo se añadirán correcciones de seguridad; utilice iText 7
Un servidor del Protocolo de Contexto de Modelo (MCP) para crear, leer y manipular documentos de Microsoft Word. Este servidor permite a los asistentes de IA trabajar con documentos de Word a través de una interfaz estandarizada, proporcionando ricas capacidades de edición de documentos.
ExtractThinker es una biblioteca de inteligencia documental para LLM, que ofrece una interacción estilo ORM para flujos de trabajo de documentos flexibles y potentes.
OpenOCR: Un conjunto de herramientas de código abierto para investigación y aplicaciones generales de OCR, integra un punto de referencia unificado de entrenamiento y evaluación, sistemas OCR y de análisis de documentos de grado comercial, y reproducciones fieles de las implementaciones principales de una amplia variedad de artículos académicos.
Colivara es una suite de servicios que le permite almacenar, buscar y recuperar documentos basándose en su incrustación visual. ColiVara tiene un rendimiento de recuperación de última generación tanto en documentos de texto como visuales. utilizando modelos de visión en lugar de división y procesamiento de texto para documentos. Sin OCR, sin extracción de texto, sin tablas rotas ni imágenes faltantes.
Un servicio basado en Docker para el análisis de diseño de documentos PDF. Este servicio proporciona un servicio de análisis de PDF potente y flexible. El servicio permite la segmentación y clasificación de diferentes partes de las páginas PDF, identificando elementos como textos, títulos, imágenes, tablas, etc.
La biblioteca PDF más rápida para Python y Rust. Extracción de texto, extracción de imágenes, conversión a markdown, creación y edición de PDF. Media de 0.8 ms, 5× más rápida que los líderes de la industria, tasa de aprobación del 100% en 3.830 PDFs. MIT/Apache-2.0.
Una potente herramienta de IA para documentos que responde preguntas y se conecta a sus modelos Ollama locales. Cree, administre e interactúe con sistemas RAG para todas sus necesidades de documentos.
📄 PDF -> .MD/.JSON API & SDK para PaddleOCR-VL con extracción de datos estructurados. Autoalojable.
:brain: Capa de memoria 100% local y base de conocimientos para agentes con WebUI
Transforma documentos no estructurados en grafos de conocimiento validados, ricos en información y consultables.
Asistente de IA local y de código abierto para sus datos. Unifique tareas, notas, documentos, fotos y marcadores. Privado, autohospedado y extensible a través de API.
Un conjunto de crates de Rust para analizar, interpretar y renderizar archivos PDF.
KY KMS de Key-Origin es un sistema de gestión del conocimiento tipo documento, basado en Elasticsearch, que ofrece potentes funciones de búsqueda de texto completo y gestión de clasificación de documentos.
Una GUI de escritorio basada en Electron en tiempo real para DeepSeek-OCR
Binarios de herramientas de línea de comandos PDF para Linux, Mac, Windows
Un desbloqueador de PDF fácil de usar. Elimina la protección contra copias de los archivos PDF.
Preguntas frecuentes
¿Cuál es el repositorio de #document-processing más popular en GitHub?
El proyecto de código abierto de #document-processing mejor posicionado en GitHub es virgiliojr94/book-to-skill, con 38,623 estrellas. Convierte cualquier PDF de libro técnico en una habilidad Claude Code — lista para estudiar, consultar y usar mientras trabajas.
¿Qué lenguajes de programación se utilizan más en los repositorios de #document-processing?
Entre los proyectos de #document-processing mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Rust, Java, TypeScript.
¿Cómo se calcula la clasificación de los repositorios de #document-processing?
Seguimos 65 repositorios activos de código abierto etiquetados con #document-processing (500+ estrellas), que suman un total de 214,351 estrellas, con una media de 3,297 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.