#ocr Репозитории
Всего репозиториев: 255
Расширенный переводчик экрана в реальном времени для игр, встроенных субтитров в видео, статического текста и т. д.
Единый набор инструментов для анализа изображений документов на основе глубокого обучения
Разработано Turing's Cat, первое поколение творческого ИИ на основе GPT2.0 с открытым исходным кодом | Масштабируемый, эволюционирующий
Инструмент для перевода комиксов с помощью глубокого обучения, поддерживает машинный перевод в один клик и простое редактирование изображений/текста | Yet another computer-aided comic/manga translation tool powered by deeplearning
Используйте OCR в Windows быстро и легко с помощью Text Grab. С дополнительным фоновым процессом и уведомлениями.
Первый плагин зрения для DeepSeek Harness и мост зрения для каждого текстового кодирующего агента. Вставьте изображение, получите структурированные JSON-данные (OCR, макет, семантика).
Медиаплеер для изучения языков с двойными субтитрами, субтитрами, сгенерированными ИИ, переводом в реальном времени и многим другим!
RuVector предоставляет высокопроизводительное принятие решений в реальном времени и память агентов, самообучающийся ИИ и векторную базу данных GNN, созданную на Rust.
TNN: разработанный Tencent Youtu Lab и Guangying Lab, унифицированный фреймворк для инференса глубокого обучения для мобильных устройств, настольных компьютеров и серверов. TNN отличается несколькими выдающимися особенностями, включая кроссплатформенность, высокую производительность, сжатие моделей и обрезку кода. Основываясь на ncnn и Rapidnet, TNN еще больше усиливает поддержку и оптимизацию производительности для мобильных устройств, а также использует преимущества хорошей расширяемости и высокой производительности существующих усилий по разработке открытого исходного кода.
MaaEnd Малый помощник Конечной Земли: Инструмент автоматизации для «Arknights: Endfield» на основе визуального ИИ
Бесплатный редактор PDF с открытым исходным кодом для Windows и собственным движком PDF 2.0. Позволяет просматривать и комментировать документы, распознавать текст (OCR), редактировать текст, скрывать конфиденциальные данные, подписывать документы, заполнять формы, сравнивать, объединять и разделять файлы, а также экспортировать их в Word, Excel и PowerPoint. Поддерживает EPUB и DjVu. Аккаунт и подписка не нужны.
Инфраструктура компьютерного зрения для преобразования сложных документов в данные, готовые для LLM
Куратированная коллекция практических проектов ИИ, реализующих системы OCR, RAG, ИИ-агентов и другие сценарии использования ИИ.
Распознавание текста (оптическое распознавание символов) с методами глубокого обучения, ICCV 2019
Модель с открытым исходным кодом для разбора документов, обеспечивающая передовые точность и скорость благодаря использованию цикла RSI на этапе постобучения.
AdelaiDet — это открытая инструментальная платформа для задач обнаружения и распознавания на уровне экземпляров.
Официальная реализация Character Region Awareness для обнаружения текста (CRAFT)
Настольный инструмент с открытым исходным кодом для перевода манги с помощью ИИ, созданный на основе manga-image-translator. Поддерживает автоматическую обработку манги на японском, корейском и английском языках, а также интеграцию нескольких движков перевода, включая OpenAI и Gemini. Реализует полный рабочий процесс: обнаружение текста с помощью OCR, удаление оригинального текста, перевод с помощью ИИ, восстановление изображений и вёрстка перевода. В комплект входит визуальный редактор, поддерживаются пользовательские стили текста, а развернуть приложение и начать работу можно одним нажатием.
Инструмент Python3 с открытым исходным кодом и МАЛЕНЬКИМИ моделями для распознавания макетов, таблиц, математических формул (LaTeX) и текста на изображениях с преобразованием их в формат Markdown. Бесплатная альтернатива Mathpix, обеспечивающая беспрепятственное преобразование визуального контента в текстовые представления. Поддерживается более 80 языков.
[ Распознавание CAPTCHA - Обучение ] Этот проект основан на CNN/ResNet/DenseNet+GRU/LSTM+CTC/CrossEntropy для реализации распознавания кодов проверки. Этот проект предназначен только для обучения модели.
API для извлечения и разбора документов (PDF, Word, PPTX ...) с использованием современных OCR + моделей, поддерживаемых Ollama. Анонимизация документов. Удаление персональных данных (PII). Преобразование любого документа или изображения в структурированный JSON или Markdown
Пакет Go для OCR (оптическое распознавание символов) с использованием библиотеки Tesseract C++
🚀 Скриншоты, выделение слов, OCR, ИИ, переводчик || Скриншоты, выделение слов, OCR, ИИ, переводчик
📄 Позвольте ИИ читать и составлять официальные документы на корейском языке. Преобразуйте файлы HWP, HWPX, PDF и Office, а также отсканированные изображения в Markdown, а Markdown — обратно в официальные документы HWPX. Заполняйте формы, сравнивайте старые и новые версии и редактируйте документы с сохранением форматирования. Библиотека, CLI и MCP-сервер | Корейские документы для ИИ: преобразование HWP, HWPX, PDF, Office и сканов в Markdown, а Markdown — обратно в HWPX. Библиотека, CLI и MCP-сервер.
Приложение/расширение для браузера с ИИ для автоматического перевода комиксов, манги, манхвы, BD, фуметти и других форматов на различные языки (изображения, PDF, EPUB, CBR, CBZ и т. д.).
Улучшает вывод Tesseract OCR с помощью LLM (локальных или API) для исправления ошибок, интеллектуального разделения и форматирования markdown отсканированных PDF
Сервер протокола контекста модели для преобразования почти всего в Markdown
Бесплатный набор инструментов с открытым исходным кодом для работы с PDF, изображениями, видео и аудио. Сжимайте, конвертируйте, выполняйте OCR, удаляйте фон и транскрибируйте на собственном сервере с помощью одной команды Docker. Более 200 инструментов, локальный ИИ и REST API. Альтернатива iLovePDF, TinyWow, CloudConvert и remove.bg.
Сквозное обнаружение и распознавание китайского текста на изображениях сцен с использованием CTPN, CRNN и CTC (устаревший проект).
OpenRecall — это полностью открытая альтернатива проприетарным решениям, таким как Windows Recall от Microsoft, с приоритетом конфиденциальности. С помощью OpenRecall вы можете легко получить доступ к своей цифровой истории, улучшая память и производительность без ущерба для конфиденциальности.
Система управления документами с открытым исходным кодом для цифровых архивов (отсканированные документы)
Используйте LLM и LLM Vision (OCR) для обработки paperless-ngx – Цифровизация документов на базе ИИ
Оптическое распознавание символов для японского текста с основным упором на японские манга
Под перевод PDF с сохранением макета, формул и структуры, подходит для научных и технических документов
Синхронизация буфера обмена между устройствами на macOS, Windows и Linux — сквозное шифрование, только по локальной сети, без облака. Встроены OCR, CLI и MCP-сервер.
Легкая система управления документами, наполненная всеми функциями, которые вы можете ожидать от больших и дорогих решений
OCRFlux — это легкий, но мощный мультимодальный набор инструментов, который значительно усовершенствует преобразование PDF в Markdown, превосходно справляется со сложными макетами, сложным разбором таблиц и объединением содержимого между страницами.
Приложение для создания снимков экрана, записи экрана и редактирования видео в macOS. Нативное приложение на SwiftUI с панелью захвата, более чем 75 настраиваемыми сочетаниями клавиш, автоматизацией через URL-схемы и самостоятельным размещением облачного хранилища для обмена файлами. Открытая альтернатива CleanShot X и Loom.
C-OCR — это проект OCR, разработанный Ctrip самостоятельно, который в основном включает распознавание документов и материалов, связанных с туризмом, таких как удостоверения личности, паспорта, железнодорожные билеты, визы и т. д. Проект состоит из 4 частей: отказ, обнаружение, распознавание, постобработка.
Платформа оркестровки инфраструктуры и данных с открытым исходным кодом для принятия решений по рискам
Официальный CLI для Agentic Document Extraction (ADE) от LandingAI — анализируйте документы и извлекайте структурированные данные прямо из терминала