#ocr Repositorios
255 repositorios en total
🎮 Herramienta de Traducción de Juegos en Tiempo Real | OCR + Traducción IA | Juegos en Windows | Código Abierto
Dedoc es una biblioteca (servicio) para el análisis automatizado de documentos y su unificación en un formato uniforme. Extrae automáticamente contenido, estructura lógica, tablas e metainformación de documentos electrónicos textuales. (Análisis de documentos; Extracción de contenido de documentos; Extracción de estructura lógica; Analizador PDF; Analizador de documentos escaneados; Analizador DOCX; Analizador HTML)
Escanea personajes, artefactos y armas de Genshin Impact desde la ventana del juego a un archivo JSON.
meikipop - diccionario emergente universal de OCR japonés para Windows, Linux y macOS
Un escáner de Información de Identificación Personal (PII) impulsado por IA.
Simulación de mensajes de Windows, GDI, DX, captura de pantalla OpenGL, búsqueda de imágenes, búsqueda de texto (OCR)
Herramienta de extracción de subtítulos incrustados tan rápida como un relámpago. Solo se requiere un chip M1 de Apple o una tarjeta gráfica Nvidia 3060 para lograr una extracción 10 veces más rápida. A very fast tool for video hardcode subtitle extraction
Compañero para Windows de League of Legends ARAM Mayhem con recomendaciones de LCU de solo lectura, estadísticas de mejoras Hextech y superposiciones OCR en el juego.
Herramienta de automatización para iOS y servidor MCP que permite a asistentes de IA como Claude, Codex y Cursor interpretar la pantalla del iPhone y controlar el dispositivo directamente. Admite la obtención del árbol de interfaz, la localización de elementos, capturas de pantalla y reconocimiento OCR, toques y deslizamientos, entrada de texto, gestión de aplicaciones y lectura de registros; ideal para pruebas automatizadas y análisis inverso y depuración de iOS.
Automatización de WeChat para Windows (no web), una réplica de wxauto compatible con WeChat 4.x
Reconocimiento de texto de escena con modelos de secuencia autorregresivos permutados (ECCV 2022)
Pipeline OCR multimodal optimizado para entrenamiento de ML (texto, figuras, matemáticas, tablas, diagramas)
Reconocimiento automático de matrículas (ALPR) o reconocimiento automático de placas de número (ANPR) software que funciona con cualquier cámara.
OCR rápido y sin conexión para Node.js y C++. PP-OCRv6 con aceleración de hardware mediante Core ML / WebGPU: reconoce texto en imágenes con puntuaciones de confianza y coordenadas. npm: @arcships/light-ocr
Un complemento (asociado) para facilitar la extracción de texto de imágenes (OCR) y PDF.
ParseBench - Un punto de referencia de análisis de documentos para agentes de IA
🔍 Mejor detección de texto combinando múltiples motores OCR (EasyOCR, Tesseract y Pororo) con 🧠 LLM.
Automatización de Documentos de Extractos Bancarios de IA mediante Modelo LLM y Análisis Financiero Personal
[ECCV 2026] Un marco basado en difusión para OCR de documentos que reemplaza la decodificación autorregresiva con decodificación de difusión paralela a nivel de bloque.
Un software de captura de pantalla multiplataforma simple y hermoso que también es compatible con OCR sin conexión, traducción de imágenes, pegatinas y funciones de fijación de imágenes.
Dota a los agentes de IA de ojos, oídos y resultados verificables. Watch Skill convierte el vídeo, el audio y la actividad de pantalla en pruebas con marcas de tiempo y fáciles de buscar, y demuestra el trabajo mediante contratos deterministas, no opiniones del modelo. DeepWatch es el espacio de trabajo para agentes basado en DeepSeek Harness. Python + npm, MCP, CLI, REST y Web.
Convierte cualquier documento en Markdown limpio y listo para la IA. Aplicación de escritorio con enfoque local: lee PDF escaneados, procesa carpetas por lotes, funciona sin conexión y utiliza muchos menos tokens que los modelos de visión.
Capturas de pantalla, grabación de pantalla y reconocimiento de texto (OCR) para macOS, Windows y Linux.
Herramienta de captura de pantalla de código abierto para Windows con captura con desplazamiento, anotaciones, OCR, traducción, edición de imágenes fijadas, grabación de GIF e historial del portapapeles.
Implementación oficial de SynthTIGER (Synthetic Text Image Generator), ICDAR 2021
Herramienta para organizar facturas electrónicas y preparar reembolsos: recopila facturas PDF/OFD/XML de tu correo electrónico por lotes, las reconoce mediante OCR, las clasifica y archiva, y genera resúmenes en Excel. Disponible como aplicación de escritorio para Windows/macOS y como complemento DSH.
CLI de macOS para OCR y archivos PDF con capacidad de búsqueda utilizando el framework Vision de Apple
OneClip — Un gestor de portapapeles nativo, sencillo y profesional para macOS | Una herramienta de gestión del portapapeles de macOS limpia y elegante | También admite capturas de pantalla y capturas con desplazamiento ligeras, grabación de pantalla y audio, OCR, traducción de texto seleccionado, contenedores de arrastrar y soltar, pegado en pila, selección de texto con PopClip, integración con IA, sincronización en red local y mucho más
El código oficial para “Deep Unrestricted Document Image Rectification”, TMM, 2023.
Asistente de ventana flotante para chats (macOS): percepción de pantalla + un modelo pequeño local para evaluar la intención y el riesgo, y generar respuestas sugeridas según guiones de conversación. Solo lectura.
Extraer subtítulos codificados de forma fija de videos usando aprendizaje automático
Una caja de herramientas para el despliegue de modelos de aprendizaje profundo usando C++ YoloX | YoloV7 | YoloV8 | Gan | OCR | MobileVit | Scrfd | MobileSAM | StableDiffusion
📖 Una potente herramienta de traducción académica de PDF lista para usar | Windows + Mac | Conserva perfectamente el formato de las fórmulas · Integración profunda con Zotero · 35 idiomas · Más de 20 motores de traducción con IA · Tablas/OCR/glosarios · Traducción por lotes | Basada en PDFMathTranslate (EMNLP 2025)
🔥🔥🔥Implementación de código Java para llamar a RapidOCR (basado en PaddleOCR), adaptación para Mac, Win, Linux, compatible con el último PP-OCRv4
Servicio autoalojado para convertir URL y archivos a Markdown, pensado para personas y agentes de IA: páginas web, documentos, imágenes, audio y YouTube. PWA + REST + MCP + skill para Claude Code, compatible con Reddit y con enlaces compartidos que se pueden actualizar.