ocr

Un repositorio para Document AI

Una herramienta de Python3 de código abierto con modelos pequeños para reconocer diseños, tablas, fórmulas matemáticas (LaTeX) y texto en imágenes, convirtiéndolos al formato Markdown. Una alternativa gratuita a Mathpix, que permite una conversión fluida de contenido visual en representaciones basadas en texto. Soporta más de 80 idiomas.

[Reconocimiento de CAPTCHA - Entrenamiento] Este proyecto se basa en CNN/ResNet/DenseNet+GRU/LSTM+CTC/CrossEntropy para realizar el reconocimiento de códigos de verificación. Este proyecto es solo para entrenar el modelo.

API de extracción y análisis de documentos (PDF, Word, PPTX...) utilizando OCR modernos de última generación + modelos compatibles con Ollama. Anonimiza documentos. Elimina PII. Convierte cualquier documento o imagen en JSON o Markdown estructurado.

Paquete de Go para OCR (Reconocimiento Óptico de Caracteres), utilizando la librería C++ de Tesseract

Reconocimiento de texto OCR Tree Hole (una pequeña herramienta OCR multiplataforma)

Un envoltorio para trabajar con Tesseract OCR en PHP.

Una colección seleccionada de proyectos prácticos de IA que implementan sistemas OCR, RAG, agentes de IA y otros casos de uso de IA.

Mejora la salida de Tesseract OCR usando LLMs (locales o API) para la corrección de errores, segmentación inteligente y formato markdown de PDFs escaneados

Un servidor de Model Context Protocol para convertir casi cualquier cosa a Markdown

Detección y reconocimiento de texto en escenas chinas de extremo a extremo con CTPN, CRNN y CTC (proyecto heredado).

OpenRecall es una alternativa totalmente de código abierto y centrada en la privacidad a soluciones propietarias como Windows Recall de Microsoft. Con OpenRecall, puedes acceder fácilmente a tu historial digital, mejorando tu memoria y productividad sin comprometer tu privacidad.

Sistema de gestión de documentos de código abierto para archivos digitales (documentos escaneados)

Aplicación/extensión de navegador traductora de cómics y manga con IA para traducir automáticamente cómics, manga, manhwa, BD, fumetti y más en múltiples idiomas y formatos (imágenes, PDF, EPUB, CBR, CBZ, etc.).

Reconocimiento óptico de caracteres para texto en japonés, con enfoque principal en el manga japonés

Herramienta de traducción de manga de código abierto basada en manga-image-translator. Soporta traducción automática de cómics japoneses, coreanos y estadounidenses, incluye 5 motores de traducción integrados como OpenAI y Gemini, y ofrece un editor visual para ajustar libremente el estilo del texto. Instalación con un solo clic, listo para usar. ¡Si te gusta, dale una ⭐ Star para apoyar!

Herramienta de captura de pantalla basada en OCR para capturar información en lugar de imágenes

Usa LLMs y LLM Vision (OCR) para gestionar paperless-ngx: digitalización de documentos impulsada por IA

Sistema de gestión documental ligero equipado con todas las características que esperarías de soluciones grandes y costosas.

Plataforma de infraestructura y orquestación de datos de código abierto para la toma de decisiones de riesgo

La CLI oficial para Agentic Document Extraction (ADE) de LandingAI: analiza documentos y extrae datos con formato de esquema desde tu terminal

Framework de agentes LLM en ComfyUI que incluye servidor MCP, Omost, GPT-sovits, ChatTTS, GOT-OCR2.0 y nodos de prompts para FLUX, acceso a Feishu, Discord, y se adapta a todos los LLM con interfaces similares a OpenAI / aisuite, como o1, ollama, gemini, grok, qwen, GLM, deepseek, kimi, doubao. Adaptado a LLM locales, VLM, GGUF como llama-3.3 Janus-Pro, Linkage graphRAG

Ayuda a organizar tus pilas de documentos procedentes de escáneres, correos electrónicos y otras fuentes con el mínimo esfuerzo.

Una herramienta para convertir la combinación de colores o paleta de un fondo de pantalla, OCR con VLM tradicional e híbrido, compresión de imágenes, extracción de paletas de colores, mejora de resolución de imágenes con redes adversarias y más funciones de procesamiento de imágenes.

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

Sistema de reconocimiento de texto escrito a mano (HTR) implementado con TensorFlow.

Motor OCR/VLM de múltiples backends en Rust (DeepSeek-OCR-1/2, PaddleOCR-VL, DotsOCR) con cuantificación DSQ y un servidor y CLI compatible con OpenAI: ejecútelo localmente sin Python.

Un wrapper de Python para la API de tesseract-ocr

Un motor de búsqueda que "simplemente funciona" para Obsidian. Soporta OCR e indexación de PDF.

Un kit de herramientas local (on-premises), sin necesidad de OCR, para extracción de datos no estructurados, conversión a Markdown y pruebas de rendimiento. (https://idp-leaderboard.org/)