#ocr リポジトリ
リポジトリ合計255件
深層学習支援漫画翻訳ツール、ワンクリック機械翻訳と簡単な画像/テキスト編集をサポート | Yet another computer-aided comic/manga translation tool powered by deeplearning
DeepSeek Harness の最初のビジョンプラグインであり、すべてのテキストのみのコーディングエージェントのためのビジョンブリッジです。画像を貼り付けると、構造化されたJSONエビデンス(OCR、レイアウト、セマンティクス)が得られます。
TNN: Tencent Youtu LabとGuangying Labによって開発された、モバイル、デスクトップ、サーバー用の統一されたディープラーニング推論フレームワークです。TNNは、クロスプラットフォーム機能、高性能、モデル圧縮、コードプルーニングなど、いくつかの優れた機能によって区別されます。ncnnとRapidnetに基づき、TNNはモバイルデバイスのサポートとパフォーマンス最適化をさらに強化し、既存のオープンソースの取り組みからの優れた拡張性と高性能という利点も取り入れています。
独自のPDF 2.0エンジンを搭載した、Windows向けの無料オープンソースPDFエディター。表示、注釈、OCR、テキスト編集、墨消し、署名、フォーム入力、比較、結合、分割に対応し、Word、Excel、PowerPointにエクスポートできます。EPUBとDjVuの読み込みにも対応。アカウントもサブスクリプションも不要です。
OCRシステム、RAG、AIエージェント、およびその他のAIユースケースを実装した、実践的なAIプロジェクトの厳選コレクション。
manga-image-translator をベースに開発された、オープンソースの漫画 AI 翻訳デスクトップツールです。日本語・韓国語・英語の漫画の自動処理に対応し、OpenAI や Gemini など複数の翻訳エンジンを統合しています。OCR による文字検出、原文の消去、AI 翻訳、画像修復、訳文の組版まで、完全な処理フローを実現しています。ビジュアルエディターを搭載し、テキストスタイルのカスタマイズにも対応。一クリックでデプロイでき、すぐに利用できます。
レイアウト、表、数式(LaTeX)、画像内のテキストを認識し、Markdown形式に変換するための、小型モデルを備えたオープンソースPython3ツールです。Mathpixの無料の代替品であり、ビジュアルコンテンツをテキストベースの表現にシームレスに変換できます。80以上の言語をサポートしています。
[ CAPTCHA認識-訓練 ] このプロジェクトはCNN/ResNet/DenseNet+GRU/LSTM+CTC/CrossEntropyを使用して検証コード認識を実現します。このプロジェクトはモデルの訓練のみを目的としています。
最先端のOCR + Ollamaサポートモデルを使用したドキュメント(PDF、Word、PPTX ...)抽出および解析API。ドキュメントの匿名化。PIIの削除。あらゆるドキュメントまたは画像を構造化されたJSONまたはMarkdownに変換
📄 AIに韓国の公文書を読み書きさせます。HWP・HWPX・PDF・Officeファイル・スキャン画像をMarkdownに変換し、MarkdownからHWPX公文書への変換も可能です。フォーム入力、新旧文書の比較、書式を保持した編集にも対応。ライブラリ・CLI・MCPサーバー | AIのための韓国文書処理:HWP、HWPX、PDF、Officeファイル、スキャン文書をMarkdownに変換し、MarkdownからHWPXに戻します。ライブラリ・CLI・MCPサーバー。
AIコミック・マンガ翻訳アプリ/ブラウザ拡張機能。コミック、マンガ、マンファ、BD、フメッティなどを、多言語および多形式(画像、PDF、EPUB、CBR、CBZなど)で自動翻訳します。
LLM(ローカルまたはAPI)を使用してTesseract OCRの出力を強化し、エラー修正、スマートチャンキング、スキャンしたPDFのマークダウンフォーマットをします
PDF、画像、動画、音声に対応した無料のオープンソースファイルツールキット。Dockerコマンド1つで、自分のサーバー上で圧縮、変換、OCR、背景除去、文字起こしができます。200以上のツール、ローカルAI、REST APIを搭載。iLovePDF、TinyWow、CloudConvert、remove.bgに代わる選択肢です。
OpenRecallは、MicrosoftのWindows Recallのようなプロプライエタリなソリューションに代わる、完全にオープンソースでプライバシーを最優先した代替手段です。OpenRecallを使用すると、デジタル履歴に簡単にアクセスでき、プライバシーを侵害することなく記憶力と生産性を向上させることができます。
macOS、Windows、Linux間でクリップボードを同期——エンドツーエンド暗号化、LANのみ、クラウド不使用。OCR、CLI、MCPサーバーを内蔵。
OCRFluxは、複雑なレイアウトの處理、困難なテーブルの解析、およびページをまたがるコンテンツのマージに優れ、PDFからMarkdownへの変換を大幅に進歩させる、軽量でありながら強力なマルチモーダルツールキットです。
macOS向けのスクリーンショット、画面録画、動画編集アプリ。キャプチャデッキ、75種類以上のカスタマイズ可能なショートカット、URLスキームによる自動化、セルフホスト型クラウド共有に対応したネイティブSwiftUIアプリです。CleanShot XとLoomに代わるオープンソースの選択肢です。
C-OCRは、携程が自社開発したOCRプロジェクトで、主に身分証明書、パスポート、列車チケット、ビザなどの旅行関連の証明書や資料の認識を含みます。プロジェクトは4つの部分から構成されています:拒識、検出、認識、後処理。
LandingAIによるAgentic Document Extraction (ADE) 公式CLI — ターミナルからドキュメントを解析し、スキーマに基づいたデータを抽出します