#ocr Repositorios
255 repositorios en total
Traductor de pantalla avanzado en tiempo real para juegos, subtítulos codificados en videos, texto estático, etc.
Un toolkit unificado para el análisis de imágenes de documentos basado en aprendizaje profundo
Desarrollado por Turing's Cat, la primera generación de IA creativa, basada en GPT2.0 de código abierto | Escalable, evolutivo
Herramienta de traducción de cómics asistida por aprendizaje profundo, admite traducción automática con un clic y edición simple de imágenes/texto | Yet another computer-aided comic/manga translation tool powered by deeplearning
Use OCR en Windows de forma rápida y sencilla con Text Grab. Con proceso en segundo plano y notificaciones opcionales.
El primer complemento de visión para DeepSeek Harness, y el puente de visión para cada agente de codificación solo de texto. Pega una imagen, obtén evidencia JSON estructurada (OCR, diseño, semántica).
¡El reproductor multimedia para el aprendizaje de idiomas, con subtítulos duales, subtítulos generados por IA, traducción en tiempo real y más!
RuVector proporciona toma de decisiones y memoria de agentes de alto rendimiento en tiempo real, IA autodidacta y una base de datos GNN vectorial desarrollada en Rust.
TNN: Desarrollado por Tencent Youtu Lab y Guangying Lab, un framework de inferencia de aprendizaje profundo unificado para móviles, escritorios y servidores. TNN se distingue por varias características sobresalientes, que incluyen su capacidad multiplataforma, alto rendimiento, compresión de modelos y poda de código. Basado en ncnn y Rapidnet, TNN fortalece aún más el soporte y la optimización del rendimiento para dispositivos móviles, y también aprovecha las ventajas de buena extensibilidad y alto rendimiento de los esfuerzos de código abierto existentes.
MaaEnd Asistente Pequeño de la Tierra Final: Herramienta de automatización para «Arknights: Endfield» basada en IA visual
Editor de PDF gratuito y de código abierto para Windows, con motor PDF 2.0 propio. Permite ver, anotar, aplicar OCR, editar texto, censurar información, firmar, rellenar formularios, comparar, combinar, dividir y exportar a Word, Excel y PowerPoint. Lee archivos EPUB y DjVu. No requiere cuenta ni suscripción.
Infraestructura de visión para transformar documentos complejos en datos listos para LLM
Una colección curada de proyectos prácticos de IA que implementan sistemas OCR, RAG, agentes de IA y otros casos de uso de IA.
Reconocimiento de texto (reconocimiento óptico de caracteres) con métodos de aprendizaje profundo, ICCV 2019
Un generador de datos sintéticos para el reconocimiento de texto
Un modelo de análisis de documentos de código abierto que utiliza un ciclo RSI durante el posentrenamiento y ofrece una precisión y velocidad de vanguardia.
AdelaiDet es una caja de herramientas de código abierto para tareas de detección y reconocimiento múltiples a nivel de instancia.
Implementación oficial de Character Region Awareness for Text Detection (CRAFT)
Una herramienta de escritorio de código abierto para la traducción de manga mediante IA, basada en manga-image-translator. Admite el procesamiento automático de manga en japonés, coreano e inglés, e integra varios motores de traducción, como OpenAI y Gemini. Ofrece un flujo de trabajo completo que incluye detección de texto mediante OCR, eliminación del texto original, traducción con IA, restauración de imágenes y maquetación del texto traducido. También incluye un editor visual, permite personalizar los estilos de texto y ofrece implementación con un solo clic para empezar a usarla de inmediato.
Una herramienta Python3 de código abierto con modelos PEQUEÑOS para reconocer diseños, tablas, fórmulas matemáticas (LaTeX) y texto en imágenes, convirtiéndolos a formato Markdown. Una alternativa gratuita a Mathpix, que permite la conversión fluida de contenido visual en representaciones basadas en texto. Se admiten más de 80 idiomas.
[ Reconocimiento CAPTCHA - Entrenamiento ] Este proyecto se basa en CNN/ResNet/DenseNet+GRU/LSTM+CTC/CrossEntropy para realizar el reconocimiento de códigos de verificación. Este proyecto es solo para el entrenamiento del modelo.
API de extracción y análisis de documentos (PDF, Word, PPTX ...) utilizando OCR de última generación + modelos compatibles con Ollama. Anonimizar documentos. Eliminar PII. Convertir cualquier documento o imagen en JSON o Markdown estructurado
Paquete de Go para OCR (Reconocimiento Óptico de Caracteres), utilizando la biblioteca C++ de Tesseract
🚀 Capturas de pantalla, marcado de palabras, OCR, IA, software de traducción || Capturas de pantalla, marcado de palabras, OCR, IA, software de traducción
📄 Permite que la IA lea y redacte documentos oficiales coreanos. Convierte HWP, HWPX, PDF, archivos de Office e imágenes escaneadas a Markdown, y Markdown de nuevo a documentos oficiales HWPX. Rellena formularios, compara versiones antiguas y nuevas, y edita sin perder el formato. Biblioteca, CLI y servidor MCP | Documentos coreanos para IA: de HWP, HWPX, PDF, Office y escaneos a Markdown, y de Markdown de vuelta a HWPX. Biblioteca, CLI y servidor MCP.
Reconocimiento de texto OCR de Agujero del Árbol (una herramienta OCR multiplataforma)
Aplicación/extensión de navegador de traducción de cómics y manga con IA para traducir automáticamente cómics, manga, manhwa, BD, fumetti y más en múltiples idiomas y formatos (imágenes, PDF, EPUB, CBR, CBZ, etc.).
Mejora la salida de Tesseract OCR usando LLMs (local o API) para corrección de errores, fragmentación inteligente y formato markdown de PDFs escaneados
Un servidor de protocolo de contexto de modelo para convertir casi cualquier cosa a Markdown
Kit de herramientas gratuito y de código abierto para archivos PDF, imágenes, vídeo y audio. Comprime, convierte, realiza OCR, elimina fondos y transcribe en tu propio servidor con un solo comando de Docker. Más de 200 herramientas, IA local y API REST. Una alternativa a iLovePDF, TinyWow, CloudConvert y remove.bg.
Detección y reconocimiento de texto de escenas en chino de extremo a extremo con CTPN, CRNN y CTC (proyecto heredado).
OpenRecall es una alternativa totalmente de código abierto y centrada en la privacidad a soluciones propietarias como Windows Recall de Microsoft. Con OpenRecall, puede acceder fácilmente a su historial digital, mejorando su memoria y productividad sin comprometer su privacidad.
Sistema de Gestión de Documentos de Código Abierto para Archivos Digitales (Documentos Escaneados)
Utilice LLMs y LLM Vision (OCR) para manejar paperless-ngx - Digitalización de documentos impulsada por IA
Reconocimiento óptico de caracteres para texto japonés, con el objetivo principal en los manga japoneses
Herramienta de captura de pantalla impulsada por OCR para capturar información en lugar de imágenes
Traducción de PDF manteniendo el diseño, fórmulas y estructura, apta para documentos científicos y técnicos
Sincronización del portapapeles entre dispositivos para macOS, Windows y Linux: cifrado de extremo a extremo, solo en la red LAN y sin nube. OCR, CLI y servidor MCP integrados.
Sistema de gestión documental ligero repleto de todas las funciones que se esperan de grandes y costosas soluciones
OCRFlux es un kit de herramientas multimodal ligero pero potente que mejora significativamente la conversión de PDF a Markdown, destacando en el manejo de diseños complejos, el análisis de tablas complicadas y la fusión de contenido entre páginas.
Capturas de pantalla, grabación de pantalla y editor de vídeo para macOS. Aplicación nativa en SwiftUI con panel de captura, más de 75 atajos personalizables, automatización mediante esquemas URL y uso compartido en la nube autohospedado. Alternativa de código abierto a CleanShot X y Loom.
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.
Plataforma open-source de orquestación de infraestructura y datos para la toma de decisiones de riesgo
La CLI oficial para Agentic Document Extraction (ADE) de LandingAI: analice documentos y extraiga datos con formato de esquema desde su terminal