#ocr リポジトリ
リポジトリ合計255件
Dedocは、ドキュメントの解析を自動化し、統一された形式にするためのライブラリ(サービス)です。テキストベースの電子ドキュメントからコンテンツ、論理構造、テーブル、メタ情報を自動的に抽出します。(ドキュメント解析; ドキュメントコンテンツ抽出; 論理構造抽出; PDFパーサー; スキャン済みドキュメントパーサー; DOCXパーサー; HTMLパーサー)
稲妻のように速いハードキャプション抽出ツール。Apple M1チップまたはNvidia 3060グラフィックスカードだけで10倍速抽出を実現できます。A very fast tool for video hardcode subtitle extraction
League of LegendsのARAMメイヘム向けWindows用コンパニオン。読み取り専用のLCUおすすめ情報、ヘクステックオーグメントの統計、ゲーム内OCRオーバーレイを利用できます。
Claude、Codex、Cursor などの AI アシスタントが iPhone の画面を理解し、端末を直接操作できる iOS 自動化ツール兼 MCP Server。UI ツリーの取得、要素の特定、スクリーンショットと OCR 認識、タップやスワイプ、テキスト入力、アプリ管理、ログの読み取りに対応し、自動テストや iOS のリバースエンジニアリング・デバッグに適しています。
自動ナンバープレート認識 (ALPR) または自動番号プレート認識 (ANPR) ソフトウェアで、どのカメラでも動作します。
Node.js と C++ 向けの高速オフライン OCR。Core ML / WebGPU ハードウェアアクセラレーション対応の PP-OCRv6 — 画像内のテキストを信頼度スコアと座標付きで認識します。npm: @arcships/light-ocr
LLMモデルによるAI銀行明細書ドキュメント自動化と個人財務分析
[ECCV 2026] 自己回帰デコードをブロックレベルの並列拡散デコードに置き換える、文書OCRのための拡散ベースのフレームワーク。
AIエージェントに目と耳、そして検証可能な成果を。Watch Skillは動画、音声、画面上のアクティビティを、検索可能でタイムスタンプ付きの証拠に変換し、モデルの主観ではなく決定論的な契約によって作業を証明します。DeepWatchはDeepSeek Harnessを基盤とするエージェント向けワークスペースです。Python + npm、MCP、CLI、REST、Webに対応。
あらゆるドキュメントを、クリーンでAI対応のMarkdownに変換します。ローカルファーストのデスクトップアプリ:スキャンPDFの読み込み、フォルダーの一括処理、オフライン動作に対応し、ビジョンモデルよりもはるかに少ないトークンで処理できます。
スクロールキャプチャ、注釈、OCR、翻訳、ピン留め画像の編集、GIF録画、クリップボード履歴に対応したオープンソースのWindows用スクリーンショットツール。
電子請求書の整理と経費精算準備ツール:メールから PDF/OFD/XML 形式の請求書を一括収集し、OCR で認識して分類・保管、Excel の集計表を作成します。Windows/macOS 向けデスクトップ版と DSH プラグインを提供。
OneClip — macOS向けのシンプルでプロフェッショナルなネイティブクリップボード管理ツール | クリーンで美しいmacOS用クリップボード管理ツール | 軽量なスクリーンショット/スクロールスクリーンショット、画面・音声録画、OCR、選択テキスト翻訳、ドラッグ&ドロップコンテナ、スタック貼り付け、PopClipによるテキスト選択、AI連携、ローカルネットワーク同期などにも対応
チャット用フローティングウィンドウアシスタント(macOS):画面認識とローカルの小型モデルで意図やリスクを判断し、会話スクリプトに基づいて返信候補を生成します。読み取り専用です。
C++ YoloX | YoloV7 | YoloV8 | Gan | OCR | MobileVit | Scrfd | MobileSAM | StableDiffusion を使用したディープラーニングモデルデプロイメント用ツールボックス
📖 インストールしてすぐ使える学術PDF翻訳ツール | Windows + Mac 対応 | 数式のレイアウトを完全保持 · Zoteroと深く連携 · 35言語 · 20種類以上のAI翻訳エンジン · 表/OCR/用語集 · 一括翻訳 | PDFMathTranslate(EMNLP 2025)をベースに開発
🔥🔥🔥JavaコードによるRapidOCR(PaddleOCRベース)の呼び出し実装、Mac、Win、Linuxに対応、最新PP-OCRv4をサポート
人間とAIエージェント向けの、URL・ファイルをMarkdownに変換するセルフホスト型サービス。ウェブページ、ドキュメント、画像、音声、YouTubeに対応。PWA + REST + MCP + Claude Codeスキルを備え、Redditにも対応。共有リンクは更新可能です。