#ocr リポジトリ
リポジトリ合計255件
ComfyUIのLLMエージェントフレームワークには、MCPサーバー、Omost、GPT-sovits、ChatTTS、GOT-OCR2.0、FLUXプロンプトノードが含まれており、Feishu、discordにアクセスでき、o1、ollama、gemini、grok、qwen、GLM、deepseek、kimi、doubaoのようなopenai / aisuiteインターフェイスを持つすべてのLLMに適応します。llama-3.3 Janus-Pro、Linkage GraphRAGなどのローカルLLM、VLM、ggufに適応しました。
AALC, PC用Limbus Companyアシスタント。AALC, Limbus CompanyのPC向けアシスタント。
壁紙のカラースキーム/パレットを変換するツール、VLMのトラディショナル&ハイブリッドによるOCR、画像圧縮、カラーパレット抽出、敵対的ネットワークを用いた画像アップスケーリング、その他多くの画像処理機能を備えています。
Claude(または任意のLLM)に実際に動画を視聴させる — シーン認識、重複除去されたフレーム+トランスクリプト、URLまたはローカルファイルから。ローカルで実行、MITライセンス。
RustのマルチバックエンドOCR/VLMエンジン(DeepSeek‑OCR‑1/2、PaddleOCR‑VL、DotsOCR)にDSQ量子化とOpenAI互換のサーバー&CLIを搭載 – Pythonなしでローカル実行可能。
AIアシスタント向けのMCPサーバーによるブラウザーおよびデスクトップの自動化。マクロを記録したり、JavaScriptを記述したりして、ウェブサイトを自動化し、データを抽出し、OCRと画像認識でデスクトップアプリを操作できます。
QuickClipboardは、Tauri 2 + Rust + Reactをベースに構築されたクロスプラットフォーム対応のクリップボード拡張ツール(現在はWindowsとAndroidをサポート)です。コピーした瞬間に動作を開始し、テキスト、画像、リッチテキスト、ファイルを自動的に記録するため、過去にコピーしたあらゆるコンテンツをいつでも取り出すことができます。単なる記録にとどまらず、画像ピン留め、OCR、LAN同期などの機能を統合しており、日々のオフィス業務の効率を全面的に向上させます。
ドキュメント、コード、さらにはスクリーンショットの中まで、ローカルですぐに検索。OCR、セマンティック検索、MCPエージェントへのアクセスに対応した、無料のオープンソースファイルランチャーです。
PaddleOCRに基づき再構築され、PaddlePaddleディープラーニングトレーニングフレームワークから分離された軽量OCR。推論速度は超高速です。
高度な文学機械に向けた、オリジナルで革新的なアイデアとアルゴリズムのコレクション。このプロジェクトは、Alibaba GroupのTongyi LabのLanguage Technology LabのOCRチームによって維持されています。
PyTorch の ExecuTorch ランタイムを基盤とする、React Native 向けの高性能かつプライバシー重視のオンデバイス AI 推論ライブラリ
YomiTokuはAIを活用した日本語文書解析エンジンを提供するPythonパッケージです。 Yomitoku is an AI-powered document image analysis package designed specifically for the Japanese language.
MixTeX マルチモーダル LaTeX、ZhEn、およびテーブルOCR。Windowsでローカルオフラインで効率的なCPUベースの推論を実行します。
ExtractThinkerは、LLM向けのドキュメントインテリジェンスライブラリであり、柔軟で強力なドキュメントワークフローのためのORMスタイルの対話を提供します。
Robotic Process Automation (RPA) 用のオープンソースのライブラリとツールのコレクションで、Robot Framework と Python の両方と使用するように設計されています
インテリジェントな構造化データ抽出と高度なOCRにより、ドキュメント、画像、PDF、Wordドキュメント、PPT、またはURLからデータを複数の形式(Markdown、JSON、CSV、HTML)に抽出および変換します。
OpenOCR:汎用OCR研究・アプリケーション向けのオープンソースツールキットであり、統一されたトレーニングおよび評価ベンチマーク、商用レベルのOCRおよびドキュメントパースングシステム、そして広範な学術論文からのコア実装の忠実な再現を統合しています。
他のプログラムからの呼び出しを容易にするため、JSON文字列として結果を出力する、Windows用OCRオフライン画像文字認識コマンドラインプログラム。さまざまな言語APIを提供します。PaddleOCR C++からコンパイルされました。
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
ルート不要のオープンソースAndroid向けリアルタイム画面翻訳ツール。ゲーム、ビジュアルノベル、漫画に最適。端末内およびクラウドOCR、オフラインLLM、複数の翻訳サービス、画面上の翻訳表示、テキスト読み上げ(TTS)に対応。
1ステップ約0.0002ドルでコンピューターを操作:画面をOCRし、TypeSafeで次のアクションを分類してクリック。macOS。
:art: 数学式認識強化版:中英手書き印刷式、初級記号推論対応(データ構造は LaTeX 抽象構文木ベース)Math Formula OCR Pro、手書き、中国混在式および簡単な記号推論をサポート (LaTeX AST ベース)。