ocr

Ein Repository für Dokumenten-KI

Ein Open-Source-Python3-Tool mit kleinen Modellen zur Erkennung von Layouts, Tabellen, mathematischen Formeln (LaTeX) und Text in Bildern, das diese in das Markdown-Format konvertiert. Eine kostenlose Alternative zu Mathpix für die nahtlose Konvertierung visueller Inhalte in textbasierte Darstellungen. Über 80 Sprachen werden unterstützt.

[Captcha-Erkennung - Training] Dieses Projekt basiert auf CNN/ResNet/DenseNet+GRU/LSTM+CTC/CrossEntropy zur Realisierung der Captcha-Erkennung. Dieses Projekt dient nur dem Modelltraining.

Dokumenten-Extraktions- und Parse-API (PDF, Word, PPTX ...) unter Verwendung modernster OCRs + von Ollama unterstützter Modelle. Dokumente anonymisieren. PII entfernen. Konvertieren Sie jedes Dokument oder Bild in strukturiertes JSON oder Markdown.

Go-Paket für OCR (Optical Character Recognition) unter Verwendung der C++-Bibliothek Tesseract

Shudong OCR Texterkennung (ein plattformübergreifendes OCR-Tool)

Ein Wrapper für die Arbeit mit Tesseract OCR in PHP.

Eine kuratierte Sammlung praktischer KI-Projekte zur Implementierung von OCR-Systemen, RAG, KI-Agenten und anderen KI-Anwendungsfällen.

Verbessert die Tesseract-OCR-Ausgabe mithilfe von LLMs (lokal oder API) zur Fehlerkorrektur, intelligenten Aufteilung und Markdown-Formatierung von gescannten PDFs.

Ein Model Context Protocol Server zum Konvertieren fast beliebiger Inhalte in Markdown

End-to-End-Erkennung und -Erkenung von chinesischem Szenentext mit CTPN, CRNN und CTC (Legacy-Projekt).

OpenRecall ist eine vollständig Open-Source-basierte und datenschutzorientierte Alternative zu proprietären Lösungen wie Microsofts Windows Recall. Mit OpenRecall greifen Sie einfach auf Ihre digitale Historie zu und verbessern Ihr Gedächtnis sowie Ihre Produktivität, ohne Kompromisse beim Datenschutz einzugehen.

Open-Source-Dokumentenmanagementsystem für digitale Archive (gescannte Dokumente)

KI-Comic- und Manga-Übersetzer-App/Browser-Erweiterung zum automatischen Übersetzen von Comics, Mangas, Manhwas, BDs, Fumettis und mehr in verschiedenen Sprachen und Formaten (Bilder, PDF, EPUB, CBR, CBZ etc.).

Optische Zeichenerkennung für japanischen Text mit Schwerpunkt auf japanischen Manga

Ein auf manga-image-translator basierendes Open-Source-Manga-Übersetzungstool. Unterstützt die automatische Übersetzung von japanischen, koreanischen und US-amerikanischen Comics, enthält 5 integrierte Übersetzungs-Engines wie OpenAI und Gemini und bietet einen visuellen Editor zur freien Anpassung des Textstils. Mit einem Klick installieren und sofort einsatzbereit. Wenn es Ihnen gefällt, unterstützen Sie uns gerne mit einem ⭐ Star!

OCR-gestütztes Screenshot-Tool zum Erfassen von Informationen statt Bildern

Verwendung von LLMs und LLM Vision (OCR) zur Steuerung von paperless-ngx – KI-gestützte Dokumentendigitalisierung

Leichtgewichtigenes Dokumentenmanagementsystem mit allen Funktionen, die man von großen, teuren Lösungen erwartet

Open-Source-Infrastruktur- und Datenorchestrierungsplattform für Risikobetrachtungen.

Die offizielle CLI für Agentic Document Extraction (ADE) von LandingAI – Dokumente parsen und schematisierte Daten direkt vom Terminal aus extrahieren.

LLM-Agenten-Framework in ComfyUI, das MCP-Server, Omost, GPT-sovits, ChatTTS, GOT-OCR2.0 und FLUX-Prompt-Knoten enthält, Zugriff auf Feishu und Discord bietet und sich an alle LLMs mit ähnlichen OpenAI-/Aisuite-Schnittstellen anpasst, wie z. B. o1, ollama, gemini, grok, qwen, GLM, deepseek, kimi, doubao. Angepasst an lokale LLMs, VLM, GGUF wie llama-3.3 Janus-Pro, Linkage graphRAG

Hilft dabei, Dokumentenstapel von Scannern, E-Mails und anderen Quellen mit minimalem Aufwand zu organisieren.

Ein Tool zum Konvertieren des Farbschemas/der Palette eines Hintergrundbilds, OCR mit traditionellen & hybriden VLM, Bildkomprimierung, Farbpalettenextraktion, Bild-Upscaling mit GANs und weiteren Bildverarbeitungsfunktionen.

PDF-Übersetzung unter Beibehaltung von Layout, Formeln und Struktur, geeignet für wissenschaftliche und technische Dokumente

System zur Erkennung handschriftlicher Texte (HTR), implementiert mit TensorFlow.

Rust-Multi-Backend-OCR/VLM-Engine (DeepSeek-OCR-1/2, PaddleOCR-VL, DotsOCR) mit DSQ-Quantisierung und einem OpenAI-kompatiblen Server & CLI – lokal ausführen ohne Python.

Ein Python-Wrapper für die Tesseract-OCR-API

Eine Suchmaschine für Obsidian, die einfach funktioniert. Unterstützt OCR- und PDF-Indizierung.

Ein lokales, OCR-freies Toolkit zur Extraktion unstrukturierter Daten, Markdown-Konvertierung und Leistungsbewertung. (https://idp-leaderboard.org/)