#ocr Repositorios
255 repositorios en total
El framework de agente LLM en ComfyUI incluye nodos de servidor MCP, Omost, GPT-sovits, ChatTTS, GOT-OCR2.0 y prompt FLUX, acceso a Feishu, discord y se adapta a todos los LLM con interfaces similares a openai / aisuite, como o1, ollama, gemini, grok, qwen, GLM, deepseek, kimi, doubao. Adaptado a LLM locales, VLM, gguf como llama-3.3 Janus-Pro, Linkage GraphRAG
Asista en la organización de sus montones de documentos, provenientes de escáneres, correos electrónicos y otras fuentes con un mínimo esfuerzo.
AALC, asistente de Limbus Company para PC. AALC, asistente de Limbus Company en PC.
Una herramienta para convertir el esquema de color/paleta de un fondo de pantalla, realizar OCR con los métodos tradicional e híbrido de VLM, compresión de imágenes, extracción de paleta de colores, mejora de la escala de imágenes (upscaling) con redes adversariales y más funcionalidades de procesamiento de imágenes.
Permite que Claude (o cualquier LLM) realmente vea un video: fotogramas con detección de escenas y sin duplicados + transcripción, desde una URL o archivo local. Se ejecuta localmente, MIT.
Sistema de Reconocimiento de Texto Manuscrito (HTR) implementado con TensorFlow.
Motor OCR/VLM multi‑backend en Rust (DeepSeek‑OCR‑1/2, PaddleOCR‑VL, DotsOCR) con cuantificación DSQ y un servidor y CLI compatibles con OpenAI – se ejecuta localmente sin Python.
Automatización del navegador y del escritorio con un servidor MCP para asistentes de IA. Graba macros o escribe JavaScript para automatizar sitios web, extraer datos y controlar aplicaciones de escritorio mediante OCR y reconocimiento de imágenes.
Un kit de herramientas local, sin OCR, para extracción de datos no estructurados, conversión a markdown y benchmarking. (https://idp-leaderboard.org/)
QuickClipboard es una herramienta de mejora del portapapeles multiplataforma (actualmente compatible con Windows y Android), construida con Tauri 2 + Rust + React. Comienza a funcionar en el momento en que copias: registra automáticamente texto, imágenes, texto enriquecido y archivos, permitiéndote recuperar cualquier contenido copiado en cualquier momento. Más que solo registrar, QuickClipboard integra funciones como fijación de imágenes, OCR y sincronización en red local, lo que supone una mejora integral en la productividad diaria de oficina.
Modelo OCR de 1 millón de parámetros: funciona en CPU, es 15 veces más rápido que Tesseract y ofrece una precisión cercana a la de los modelos con más de 1.000 millones de parámetros
Busca al instante y de forma local dentro de documentos, código e incluso capturas de pantalla. Un lanzador de archivos gratuito y de código abierto con OCR, búsqueda semántica y acceso para agentes MCP.
Un sistema OCR ligero basado en PaddleOCR, desacoplado del framework de entrenamiento de deep learning PaddlePaddle, con una velocidad de inferencia ultrarrápida.
Una colección de ideas y algoritmos originales e innovadores para Maquinaria Literaria Avanzada. Este proyecto es mantenido por el Equipo OCR en el Language Technology Lab, Tongyi Lab, Alibaba Group.
Biblioteca de inferencia de IA en el dispositivo para React Native, de alto rendimiento y con la privacidad como prioridad, impulsada por el runtime ExecuTorch de PyTorch
YomiToku es un paquete de Python que proporciona un motor de análisis de documentos en japonés basado en IA. Yomitoku es un paquete de análisis de imágenes de documentos impulsado por IA, diseñado específicamente para el idioma japonés.
Extracción de datos no estructurados, rápida y eficiente. Escrito en Rust con enlaces para muchos idiomas.
MixTeX multimodal LaTeX, ZhEn y OCR de tablas. Realiza inferencia eficiente basada en CPU en local sin conexión en Windows.
ExtractThinker es una biblioteca de inteligencia documental para LLM, que ofrece una interacción estilo ORM para flujos de trabajo de documentos flexibles y potentes.
Colección de bibliotecas y herramientas de código abierto para Automatización de Procesos Robóticos (RPA), diseñadas para usarse con Robot Framework y Python
Extraiga y convierta datos de cualquier documento, imagen, PDF, documento de Word, PPT o URL a múltiples formatos (Markdown, JSON, CSV, HTML) con extracción inteligente de datos estructurados y OCR avanzado.
Capturas de pantalla y grabación de pantalla de código abierto para macOS. La alternativa gratuita y nativa a CleanShot X. Construido con Swift 6.0 y SwiftUI.
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.
Programa de línea de comandos OCR sin conexión para reconocimiento de texto de imágenes en Windows, que produce resultados como una cadena JSON para facilitar la llamada por parte de otros programas. Proporciona API en varios idiomas. Compilado a partir de PaddleOCR C++.
Plataforma de código abierto para extraer datos estructurados de documentos utilizando IA.
Una versión empaquetada y flexible del detector de texto CRAFT y el modelo de reconocimiento Keras CRNN.
Un grupo de cuadernos y otros archivos que pueden ayudarte a aprender IA desde cero.
Un servidor de conversión de archivos autohospedado y consciente de los recursos, compatible con 530 formatos en 26 idiomas.
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
¿Cómo copiar texto de las imágenes? ¡La respuesta es TextSnatcher!. Realiza operaciones OCR en segundos en el escritorio de Linux.
Traductor de pantalla en tiempo real para Android de código abierto y sin root, ideal para juegos, novelas visuales y manga. Admite OCR en el dispositivo y en la nube, LLM sin conexión, múltiples servicios de traducción, traducciones en pantalla y texto a voz (TTS).
Uso del ordenador por unos 0,0002 USD por paso: aplicar OCR a la pantalla, clasificar la siguiente acción con TypeSafe y hacer clic. macOS.
:art: Versión mejorada de reconocimiento de fórmulas matemáticas: Fórmulas manuscritas e impresas en chino e inglés, soporta derivación básica de símbolos (estructura de datos basada en el árbol de sintaxis abstracta de LaTeX) Math Formula OCR Pro, soporta escritura a mano, fórmulas mixtas chino-inglés y razonamiento simple de símbolos (basado en LaTeX AST).