#ocr Репозитории
Всего репозиториев: 255
Фреймворк LLM-агента в ComfyUI включает сервер MCP, Omost, GPT-sovits, ChatTTS, GOT-OCR2.0 и узлы приглашений FLUX, доступ к Feishu, Discord и адаптируется ко всем LLM с интерфейсами, подобными OpenAI/AISuite, таким как o1, ollama, gemini, grok, qwen, GLM, deepseek, kimi, doubao. Адаптировано к локальным LLM, VLM, GGUF, таким как llama-3.3 Janus-Pro, Linkage GraphRAG
Помогайте с минимальными усилиями организовывать ваши стопки документов, полученных со сканеров, из электронной почты и других источников.
AALC, помощник Limbus Company для ПК. AALC, помощник Limbus Company на ПК.
Инструмент для преобразования цветовой схемы/палитры обоев, выполнения оптического распознавания текста (OCR) с использованием традиционных и гибридных VLM, сжатия изображений, извлечения цветовой палитры, увеличения масштаба изображений с помощью состязательных сетей и других функций обработки изображений.
Позвольте Claude (или любой LLM) действительно посмотреть видео — кадры с учетом сцен, без дубликатов + расшифровка, из URL или локального файла. Работает локально, MIT.
Система распознавания рукописного текста (HTR), реализованная с использованием TensorFlow.
Мульти‑бекенд OCR/VLM‑двигатель на Rust (DeepSeek‑OCR‑1/2, PaddleOCR‑VL, DotsOCR) с квантованием DSQ и сервером и CLI, совместимыми с OpenAI – запускается локально без Python.
Автоматизация браузера и рабочего стола с помощью MCP-сервера для ИИ-ассистентов. Записывайте макросы или пишите JavaScript, чтобы автоматизировать веб-сайты, извлекать данные и управлять настольными приложениями с помощью OCR и распознавания изображений.
Локальный набор инструментов для извлечения неструктурированных данных, преобразования в Markdown и бенчмаркинга без OCR. (https://idp-leaderboard.org/)
QuickClipboard — это кроссплатформенный инструмент для расширения возможностей буфера обмена (в настоящее время поддерживает Windows и Android), созданный на базе Tauri 2 + Rust + React. Он начинает работать в тот момент, когда вы что-то копируете, автоматически сохраняя текст, изображения, форматированный текст и файлы, что позволяет вам в любой момент найти любой ранее скопированный контент. Помимо простого ведения истории, QuickClipboard интегрирует такие функции, как закрепление изображений, OCR и синхронизация по локальной сети, обеспечивая комплексное повышение эффективности повседневной офисной работы.
Библиотека Rust и инструмент командной строки для OCR (извлечение текста из изображений)
OCR-модель с 1 млн параметров — работает на CPU, в 15 раз быстрее Tesseract, точность близка к моделям с более чем 1 млрд параметров
Мгновенный локальный поиск по документам, коду и даже скриншотам. Бесплатный лаунчер файлов с открытым исходным кодом, поддерживающий OCR, семантический поиск и доступ для MCP-агентов.
Легкая OCR-система, основанная на PaddleOCR и отделенная от фреймворка глубокого обучения PaddlePaddle, со сверхбыстрой скоростью вывода.
Сборник оригинальных, инновационных идей и алгоритмов для продвинутых литературных машин. Этот проект поддерживается командой OCR в лаборатории языковых технологий Tongyi Lab группы Alibaba.
Высокопроизводительная библиотека ИИ-инференса на устройстве для React Native с приоритетом конфиденциальности, работающая на основе среды выполнения ExecuTorch от PyTorch
YomiToku — это пакет Python, предоставляющий механизм анализа японских документов с использованием ИИ. Yomitoku — это пакет анализа изображений документов на основе ИИ, разработанный специально для японского языка.
Быстрое и эффективное извлечение неструктурированных данных. Написано на Rust с привязками для многих языков.
MixTeX мультимодальный LaTeX, ZhEn и OCR таблиц. Выполняет эффективный вывод на основе ЦП локально в автономном режиме в Windows.
ExtractThinker — это библиотека Document Intelligence для LLM, предлагающая взаимодействие в стиле ORM для гибких и мощных рабочих процессов с документами.
Коллекция библиотек и инструментов с открытым исходным кодом для Robotic Process Automation (RPA), предназначенная для использования с Robot Framework и Python
Извлекайте и преобразуйте данные из любых документов, изображений, PDF, документов Word, PPT или URL в несколько форматов (Markdown, JSON, CSV, HTML) с помощью интеллектуального извлечения структурированных данных и передового OCR.
Скриншоты и запись экрана с открытым исходным кодом для macOS. Бесплатная нативная альтернатива CleanShot X. Разработано на Swift 6.0 и SwiftUI.
OpenOCR: открытый набор инструментов для исследований и приложений общего OCR, объединяющий унифицированный набор данных для обучения и оценки, коммерческую систему OCR и разбор документов, а также точные воспроизведения основных реализаций из широкого спектра академических статей.
Автономная программа командной строки OCR для распознавания текста на изображениях для Windows, выводящая результаты в формате строки JSON для удобного вызова другими программами. Предоставляет API на различных языках. Скомпилировано из PaddleOCR C++.
Платформа с открытым исходным кодом для извлечения структурированных данных из документов с использованием ИИ.
Упакованная и гибкая версия детектора текста CRAFT и модели распознавания Keras CRNN.
Группа ноутбуков и других файлов, которые могут помочь вам изучить ИИ с нуля.
Самостоятельно размещаемый сервер конвертации файлов, рационально использующий ресурсы и поддерживающий 530 форматов на 26 языках.
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
Как скопировать текст из изображений? Ответ: TextSnatcher!. Выполняйте OCR-операции за секунды на рабочем столе Linux.
Открытый инструмент для перевода экрана в реальном времени на Android без root, подходит для игр, визуальных новелл и манги. Поддерживает OCR на устройстве и в облаке, офлайн-LLM, несколько сервисов перевода, перевод на экране и озвучивание текста (TTS).
Использование компьютера примерно за 0,0002 доллара за шаг: распознать экран с помощью OCR, классифицировать следующее действие с TypeSafe и щёлкнуть. macOS.
:art: Улучшенная версия распознавания математических формул: Рукописные и печатные формулы на китайском и английском, поддерживает базовый вывод символов (структура данных на основе абстрактного синтаксического дерева LaTeX) Math Formula OCR Pro, поддерживает рукописный ввод, смешанные китайско-английские формулы и простое рассуждение символов (на основе LaTeX AST).