text-processing

PyMuPDF es una biblioteca de Python de alto rendimiento para la extracción, análisis, conversión y manipulación de documentos PDF (y otros).

CLI de búsqueda y reemplazo intuitiva (alternativa a sed)

Biblioteca de Python para crear analizadores sintácticos PEG

Algoritmos de clasificación de texto: un estudio

Pipeline de código abierto e implementaciones de referencia para mejorar la legibilidad y la cadencia natural de borradores asistidos por IA

Una biblioteca de coincidencia difusa rápida y conveniente para Rust

Kit de herramientas de PNL en persa

La biblioteca de detección de lenguaje natural más precisa para Go, adecuada para textos cortos y textos en varios idiomas

Una implementación rápida de Aho-Corasick en Rust.

Programa para convertir líneas de texto en una estructura de árbol.

Procesamiento de lenguaje natural en tailandés en Python

Convertidor de HTML a Markdown de alto rendimiento y compatible con CommonMark. Mantenido por el equipo de Kreuzberg. Kreuzberg es un motor de inteligencia documental rápido y políglota con un núcleo en Rust. Extrae datos estructurados de más de 98 formatos de documentos utilizando analizadores de streaming y OCR integrado.

Normalización de texto y normalización inversa de texto

Deduplicación de texto todo en uno.

Un clon mejorado de cut(1).

text-humanizer es un proyecto de código abierto diseñado para convertir texto generado por IA a una versión humanizada. Evade la mayoría de los detectores de IA como Turnitin o GPTZero.

Un módulo simple de Python para analizar nombres de personas en sus componentes individuales

Ekphrasis es una herramienta de procesamiento de texto orientada a redes sociales como Twitter o Facebook. Realiza tokenización, normalización de palabras, segmentación (para dividir hashtags) y corrección ortográfica, utilizando estadísticas de palabras de dos grandes corpus (Wikipedia en inglés y 330 millones de tuits en inglés).

Open Korean Text Processor: un procesador de texto en coreano de código abierto.

Convierte PDFs y EPUBs en audiolibros; subtítulos o videos en videos doblados (incluyendo traducción) y más. Gratis. Pandrator utiliza modelos locales, incluyendo clonación de voz (instantánea, mejorada con RVC, ajuste fino con XTTS) y procesamiento LLM. Aspira a ser una aplicación fácil de usar con interfaz gráfica, instalador y paquetes todo en uno.

Servicio de accesibilidad de Android para la transformación de texto mediante IA.

Bindings para RE2: una alternativa rápida y segura a los motores de expresiones regulares con backtracking.

Runtime de SQL sin necesidad de base de datos.