#ocr リポジトリ
リポジトリ合計255件
Shiping:スクリーンショット+AIで、画面上のあらゆる内容を理解。コード、エラーメッセージ、問題、グラフ、外国語の資料も、ショートカットキーでスクリーンショットを撮れば回答が得られます。デスクトップツールとしてバックグラウンドで常駐し、いつでも範囲を選択して認識できます。会話モードでは質問をリアルタイムで理解し、回答の要点を提示します。デスクトップツール、面接アシスタント、試験アシスタント、問題演習アシスタントとして利用できます。
PyTorch における PaddleOCR 推論。 [PaddleOCR](https://github.com/PaddlePaddle/PaddleOCR) から変換
RMT (RuoMengTu) は AHKv2 をベースにした無料のオープンソースマクロツールです。退屈な作業はコードに任せて、あなたはより有意義なことに時間を使いましょう。
🌝 MLKitは、強力で使いやすいツールキットです。ML Kitを使用すると、テキスト認識、バーコード認識、画像ラベリング、顔検出、オブジェクト検出などの機能を簡単に実装できます。
大規模なドキュメントコレクションを検索、閲覧、分析、探索するためのオープンソース研究ツールで、Semantic Search EngineおよびオープンソースのText Mining & Text Analyticsプラットフォームにより(ドキュメント処理のためのETL、画像&PDFのためのOCR、人、組織、場所のnamed entity recognition、thesaurus&ontologiesによるメタデータ管理、全文検索、faceted search&knowledge graphのための検索ユーザーインターフェース&検索アプリを統合)
Win顺:Windows向けの無料オープンソース高速検索ランチャー。Ctrlキーを2回押すと、ピンインでファイルをすばやく検索できるほか、Word/Excel/PDFの全文検索、クリップボード履歴(Win+Vの代替)、ダイアログ内検索、タスクバー検索、プラグイン、AIアシスタントMCPを利用できます。ピンインによるファイル検索、全文検索、クリップボード履歴、MCPサーバーに対応したWindows向け無料検索ランチャー。Everything/Listaryの代替ソフトです。
⌘⌘ - メニューバーに常駐する、軽量でネイティブな macOS 用スクリーンショットツール。⌘ Command キーをダブルタップするだけで画面の任意の領域をキャプチャ。すぐにクリップボードへコピーするか、ペンやモザイクツールで注釈を追加できます。
あらゆるファイルを AI エージェント向けのクリーンな Markdown に変換:PDF、Word、PowerPoint、Excel、EPUB、HTML とウェブページ、画像(OCR)、音声・動画(メタデータ、字幕、文字起こし)。お使いのマシン上で動作する高速な Rust 製 MCP サーバーと CLI。API キー不要。
SnapXは、画面の任意の領域をキャプチャまたは記録し、ワンキーで即座に共有できる、無料のオープンソースのクロスプラットフォームツールです。画像、動画、テキストなどを複数の対応する宛先に簡単にアップロードできます。ShareXのフォークです。
Paddle.jsは、ブラウザで実行されるオープンソースのディープラーニングフレームワークであるBaidu PaddlePaddleのWebプロジェクトです。Paddle.jsは、事前学習済みモデルをロードするか、Paddle.jsで提供されるモデル変換ツールを使用してpaddle-hubからモデルを変換することができます。WebGL/WebGPU/WebAssemblyをサポートするすべてのブラウザで実行できます。また、Baidu SmartprogramおよびWXミニプログラムでも実行できます。
📄 PDF -> .MD/.JSON API & SDK for PaddleOCR-VL with structured data extraction. Self-hostable.
[dsh] テキストのみのモデル向けに設計された、より強力なビジュアルツールキット:1行でインストールして利用、画像を貼り付けるだけの直接認識、複数画像への質問応答、スクリーンショットからフロントエンドUIへの復元など|agent-vision-toolkit向けDeepSeek Harnessネイティブ統合:画像Q&A、長いスクリーンショットのOCR、UI復元、グラウンディング、ピクセル差分、Artifacts、Web UI。
ローカルファースト、オープンソースのデータ用AIアシスタント。タスク、メモ、ドキュメント、写真、ブックマークを統合。プライベート、セルフホスト型で、API経由で拡張可能。
わずか20Mのパラメーターで、ブラウザで動作するミニマルなSOTA LaTeX OCRモデル。自己学習・再現のために、完全なトレーニングパイプラインを提供。 | 超軽量SOTA LaTeX数式認識モデル、パラメータはわずか20M、ブラウザで実行可能。自己学習・再現のために、トレーニングの全プロセスコードをオープンソース化。
JevChat-Windows:チャットウィンドウの横に表示される返信支援ツール。ウィンドウのスクリーンショットを取得し、ローカルのオフラインOCRで相手のメッセージを読み取る → Jevが意図を判断 → 3つの返信候補をワンクリックで入力。送信は常に手動。
2019CCF-BDCI大会 最優秀イノベーション探索賞受賞者 OCRベースの身分証明書要素抽出課題チャンピオン 天晨破晓チーム 課題ソースコード
ローカル、オフライン(初期設定後)、ポータブルなOCRソフトウェアで、画像やPDFファイルを処理でき、DeepSeek-OCR-2 AI(お使いのマシン上で直接実行)を使用します。
軽量級 macOS 選択翻訳ツール。純粋な Swift 6 で構築され、デバイス上での Apple Translate でプライバシーを保護、インストールサイズわずか 5MB、安定した約 50MB のメモリ使用量。軽量級 macOS 選択翻訳ツール、純粋 Swift 6 開発、デバイス端 Apple 翻訳でプライバシー保護、インストールサイズ僅か 5MB、バックグラウンドメモリ使用量安定約 50MB
Note Companion: Obsidian の AI アシスタントで、単なるチャットを超えます。(旧 File Organizer 2000)
Claude Code 用の汎用 LaTeX ドキュメントスキル:テンプレート27個、スクリプト27個、リファレンスガイド26冊。✦ HappyCapy AI ✦ プラットフォーム上で Claude Code を使用して作成
LLM、ASR、TTS、OCR、CVなどの技術を備えたAI VTuber、ライブ配信やMinecraftを一緒にプレイしましょう。
CnSTD: PyTorch/MXNetをベースとした、中国語/英語のシーンテキスト検出(Scene Text Detection)、数式検出(Mathematical Formula Detection, MFD)、レイアウト解析(Layout Analysis)のためのPython3パッケージ