#ocr 仓库
共 255 个仓库
ComfyUI中的LLM Agent框架包含MCP服务器、Omost、GPT-sovits、ChatTTS、GOT-OCR2.0和FLUX prompt节点,可访问Feishu、discord,并适应所有具有类似openai / aisuite接口的LLM,例如o1、ollama、gemini、grok、qwen、GLM、deepseek、kimi、doubao。适配了llama-3.3 Janus-Pro、Linkage GraphRAG等本地LLM、VLM、gguf。
一款用于转换壁纸配色方案/调色板、使用VLM的传统和混合模式进行OCR、图像压缩、调色板提取、利用对抗网络进行图像超分辨率放大(upscaling)以及更多图像处理功能的工具。
让Claude(或任何大语言模型)真正观看视频——场景感知、去重帧+转录文本,支持URL或本地文件。本地运行,MIT许可证。
Rust 多后端 OCR/VLM 引擎(DeepSeek‑OCR‑1/2、PaddleOCR‑VL、DotsOCR)使用 DSQ 量化,并提供兼容 OpenAI 的服务器和 CLI — 在本地运行,无需 Python。
QuickClipboard 是一款跨平台剪贴板增强工具(现支持Windows,Android),基于 Tauri 2 + Rust + React 构建。它在你复制的那一刻就开始工作——自动记录文本、图片、富文本、文件,让你随时找回曾经复制过的任何内容。不只是记录,QuickClipboard 还集成了贴图、OCR、局域网同步等能力,是日常办公效率的全面提升。
高性能、隐私优先的 React Native 端侧 AI 推理库,由 PyTorch 的 ExecuTorch 运行时提供支持
YomiToku 是一个利用人工智能提供日语文档分析引擎的 Python 包。Yomitoku 是一个专为日语设计的、由人工智能驱动的文档图像分析包。
利用智能结构化数据提取和高级OCR功能,将任何文档、图片、PDF、Word文档、PPT或URL中的数据提取并转换为多种格式(Markdown、JSON、CSV、HTML)。
OpenOCR:一款面向通用 OCR 研究与应用的开源工具包,整合了统一的训练与评估基准、商业级 OCR 与文档解析系统,以及来自广泛学术论文的核心实现的忠实再现。
OCR离线图片文字识别命令行windows程序,以JSON字符串形式输出结果,方便别的程序调用。提供各种语言API。由 PaddleOCR C++ 编译。
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
无需 ROOT 的开源 Android 屏幕实时翻译工具,适合游戏、视觉小说和漫画。支持端侧与云端 OCR、离线 LLM、多种翻译服务和文字朗读(TTS),译文可直接显示在画面上。
:art: 数学公式识别增强版:中英文手写印刷公式、支持初级符号推导(数据结构基于 LaTeX 抽象语法树)Math Formula OCR Pro,支持手写、中英混合公式以及简单符号推理(基于 LaTeX AST)。