document-ai

Preentrenamiento autosupervisado a gran escala en múltiples tareas, idiomas y modalidades

Extracción de datos no estructurados impulsada por LLM — Diseñada para despliegues de API y flujos de trabajo de canalizaciones ETL

Implementación oficial de OCR-free Document Understanding Transformer (Donut) y Synthetic Document Generator (SynthDoG), ECCV 2022

Plataforma de agentes de conocimiento multi-inquilino autohospedada: RAG unificado, gráficos de conocimiento, multi-agente, MCP/Skills, sandbox y gestión de permisos. Plataforma de agentes de conocimiento autohospedada para RAG, gráficos de conocimiento y flujos de trabajo multi-agente.

Un repositorio para Document AI

Herramienta de escritura de propuestas de IA lista para usar, herramienta de generación de propuestas con IA, caja de herramientas de licitación, base de conocimiento, verificación de plagio de propuestas, verificación de elementos de exclusión, totalmente de código abierto y gratuita, bienvenido a usarlo.

Traducción de PDF conservando el diseño, las fórmulas y la estructura, adecuada para documentos científicos y técnicos.

Obtén datos limpios de documentos complejos, potenciado por modelos de visión y lenguaje ⚡

Convierte documentos en Markdown listo para IA con comprensión visual.

TurboOCR, >200 img/s en OmnidocBench. TensorRT FP16, PP-OCRv6, HTTP + gRPC

Conversión de PDF a markdown utilizando LLM de visión, preservando tablas, diseños y estructura.

RAG agéntico para búsqueda de documentos local y autohospedada: recuperación híbrida, reranking y RAG multimodal en LanceDB embebido, con análisis mediante Docling y un servidor MCP

ParseBench: un benchmark de análisis de documentos para agentes de IA