#ocr Repositórios
255 repositórios no total
Tradutor de tela avançado em tempo real para jogos, legendas fixas em vídeos, texto estático e etc.
Um Kit de Ferramentas Unificado para Análise de Imagens de Documentos Baseada em Aprendizagem Profunda
Desenvolvido pelo Gato de Turing, a IA criativa de primeira geração baseada no GPT2.0 de código aberto | Escalável, Evoluível
Ferramenta de tradução de quadrinhos/mangá auxiliada por aprendizado profundo, com suporte para tradução automática com um clique e edição simples de imagem/texto | Yet another computer-aided comic/manga translation tool powered by deeplearning
Use o OCR no Windows de forma rápida e fácil com o Text Grab. Com processamento em segundo plano e notificações opcionais.
O primeiro plugin de visão para DeepSeek Harness e a ponte de visão para cada agente de codificação somente texto. Cole uma imagem, obtenha evidências JSON estruturadas (OCR, layout, semântica).
O reprodutor de mídia para aprendizado de idiomas, com legendas duplas, legendas geradas por IA, tradução em tempo real e muito mais!
A RuVector oferece tomada de decisões e memória de agentes de alto desempenho em tempo real, IA autodidata e um banco de dados GNN vetorial desenvolvido em Rust.
Caixa de Ferramentas OpenMMLab para Detecção, Reconhecimento e Compreensão de Texto
TNN: desenvolvido pelo Tencent Youtu Lab e Guangying Lab, uma estrutura uniforme de inferência de aprendizado profundo para dispositivos móveis, desktop e servidor. O TNN se distingue por várias características notáveis, incluindo sua capacidade de plataforma cruzada (cross-platform), alto desempenho, compressão de modelo e poda de código (code pruning). Baseado em ncnn e Rapidnet, o TNN reforça ainda mais o suporte e a otimização de desempenho para dispositivos móveis, e também aproveita as vantagens de boa extensibilidade e alto desempenho de esforços de código aberto existentes.
MaaEnd Pequeno Assistente da Terra Final: Ferramenta de automação para «Arknights: Endfield» baseada em IA visual
Editor de PDF gratuito e de código aberto para Windows, com motor PDF 2.0 próprio. Permite visualizar, anotar, aplicar OCR, editar texto, ocultar informações confidenciais, assinar, preencher formulários, comparar, unir, dividir e exportar para Word, Excel e PowerPoint. Lê arquivos EPUB e DjVu. Não requer conta nem assinatura.
Infraestrutura de visão para transformar documentos complexos em dados prontos para LLM
Uma coleção curada de projetos práticos de IA que implementam sistemas OCR, RAG, agentes de IA e outros casos de uso de IA.
Reconhecimento de texto (reconhecimento óptico de caracteres) com métodos de aprendizado profundo, ICCV 2019
Um modelo de código aberto para análise de documentos, com precisão e velocidade de ponta, que utiliza um ciclo RSI durante o pós-treinamento.
AdelaiDet é uma caixa de ferramentas de código aberto para múltiplas tarefas de detecção e reconhecimento em nível de instância.
Implementação oficial de Detecção de Texto com Consciência de Região de Caracteres (CRAFT)
Uma ferramenta de desktop de código aberto para tradução de mangás com IA, baseada no manga-image-translator. É compatível com o processamento automático de mangás em japonês, coreano e inglês e integra diversos mecanismos de tradução, como OpenAI e Gemini. Oferece um fluxo de trabalho completo, incluindo detecção de texto por OCR, remoção do texto original, tradução com IA, restauração de imagens e diagramação do texto traduzido. Também inclui um editor visual, permite personalizar os estilos de texto e oferece implantação com um clique, pronta para uso.
Uma ferramenta Open-Source em Python3 com modelos PEQUENOS para reconhecimento de layouts, tabelas, fórmulas matemáticas (LaTeX) e texto em imagens, convertendo-os para o formato Markdown. Uma alternativa gratuita ao Mathpix, que possibilita a conversão contínua de conteúdo visual em representações baseadas em texto. Mais de 80 idiomas são suportados.
[ Reconhecimento CAPTCHA - Treinamento ] Este projeto é baseado em CNN/ResNet/DenseNet+GRU/LSTM+CTC/CrossEntropy para realizar o reconhecimento de códigos de verificação. Este projeto é apenas para treinar o modelo.
API de extração e análise de documentos (PDF, Word, PPTX ...) usando OCRs modernos de ponta + modelos suportados por Ollama. Anonimize documentos. Remova PII. Converta qualquer documento ou imagem para JSON estruturado ou Markdown
Pacote Go para OCR (Reconhecimento Óptico de Caracteres), usando a biblioteca Tesseract C++
📄 Faça com que a IA leia e redija documentos oficiais coreanos. Converta arquivos HWP, HWPX e PDF, documentos do Office e imagens digitalizadas para Markdown — e Markdown de volta para documentos oficiais HWPX. Preencha formulários, compare versões antigas e novas e edite preservando a formatação. Biblioteca, CLI e servidor MCP | Documentos coreanos para IA: de HWP, HWPX, PDF, Office e digitalizações para Markdown, e de Markdown de volta para HWPX. Biblioteca, CLI e servidor MCP.
Aplicativo/extensão de navegador de tradução de quadrinhos e mangás com IA para traduzir automaticamente quadrinhos, mangás, manhwas, BDs, fumetti e mais em vários idiomas e formatos (imagens, PDF, EPUB, CBR, CBZ, etc.).
Melhora a saída do Tesseract OCR usando LLMs (local ou API) para correção de erros, divisão inteligente e formatação em markdown de PDFs escaneados
Um servidor de Protocolo de Contexto de Modelo para converter quase tudo para Markdown
Kit de ferramentas gratuito e de código aberto para arquivos PDF, imagens, vídeo e áudio. Comprima, converta, faça OCR, remova fundos e transcreva no seu próprio servidor com um único comando Docker. Mais de 200 ferramentas, IA local e API REST. Uma alternativa ao iLovePDF, TinyWow, CloudConvert e remove.bg.
Detecção e reconhecimento ponta a ponta de texto chinês em cenas com CTPN, CRNN e CTC (projeto legado).
OpenRecall é uma alternativa totalmente de código aberto e focada em privacidade às soluções proprietárias como o Recall da Microsoft para Windows. Com o OpenRecall, você pode acessar facilmente seu histórico digital, aprimorando sua memória e produtividade sem comprometer sua privacidade.
Sistema de Gestão Documental de Código Aberto para Arquivos Digitais (Documentos Digitalizados)
Use LLMs e LLM Vision (OCR) para lidar com paperless-ngx - Digitalização de Documentos com inteligência artificial
Reconhecimento óptico de caracteres para texto em japonês, com foco principal em mangá japonês
Tradução de PDF mantendo layout, fórmulas e estrutura, adequado para documentos científicos e técnicos
Sincronização da área de transferência entre dispositivos para macOS, Windows e Linux — criptografia de ponta a ponta, somente via rede LAN, sem nuvem. OCR, CLI e servidor MCP integrados.
Sistema de gestão de documentos leve, com todos os recursos que se esperam de grandes e caras soluções
OCRFlux é um kit de ferramentas multimodal leve, porém poderoso, que avança significativamente a conversão de PDF para Markdown, destacando-se no tratamento de layouts complexos, análise de tabelas complicadas e fusão de conteúdo entre páginas.
Captura de ecrã, gravação de ecrã e editor de vídeo para macOS. Aplicação nativa em SwiftUI com painel de captura, mais de 75 atalhos personalizáveis, automação por esquemas URL e partilha na nuvem autoalojada. Alternativa de código aberto ao CleanShot X e ao Loom.
C-OCR é um projeto de OCR desenvolvido internamente pela Ctrip, que inclui principalmente o reconhecimento de documentos e materiais relacionados a viagens, como carteiras de identidade, passaportes, passagens de trem e vistos. O projeto é composto por 4 partes: rejeição de reconhecimento, detecção, reconhecimento e pós-processamento.
Plataforma de infraestrutura de código aberto e orquestração de dados para tomada de decisões de risco
A CLI oficial para Agentic Document Extraction (ADE) da LandingAI — analise documentos e extraia dados estruturados a partir do seu terminal