ocr

Document AI के लिए एक रिपॉजिटरी

इमेज में लेआउट, टेबल, गणितीय फॉर्मूले (LaTeX) और टेक्स्ट को पहचानने और उन्हें Markdown फॉर्मेट में बदलने के लिए छोटे मॉडल वाला एक ओपन-सोर्स Python3 टूल। Mathpix का एक मुफ़्त विकल्प, जो विजुअल कंटेंट को टेक्स्ट-आधारित रूपों में सहज रूपांतरण की अनुमति देता है। 80+ भाषाएँ समर्थित हैं।

[कैप्चा पहचान-प्रशिक्षण] यह प्रोजेक्ट कैप्चा पहचान को साकार करने के लिए CNN/ResNet/DenseNet+GRU/LSTM+CTC/CrossEntropy पर आधारित है। यह प्रोजेक्ट केवल मॉडल प्रशिक्षण के लिए है।

अत्याधुनिक मॉडर्न OCRs + Ollama समर्थित मॉडल का उपयोग करके दस्तावेज़ (PDF, Word, PPTX ...) निष्कर्षण और पार्स API। दस्तावेज़ों को अज्ञात बनाएं। PII हटाएं। किसी भी दस्तावेज़ या चित्र को संरचित JSON या Markdown में बदलें।

Tesseract C++ लाइब्रेरी का उपयोग करके OCR (ऑप्टिकल कैरेक्टर रिकॉग्निशन) के लिए Go पैकेज

ट्री होल OCR टेक्स्ट रिकग्निशन (एक क्रॉस-प्लेटफॉर्म OCR छोटा टूल)

PHP के भीतर Tesseract OCR के साथ काम करने के लिए एक रैपर।

OCR सिस्टम, RAG, AI एजेंट और अन्य AI उपयोग के मामलों को लागू करने वाली व्यावहारिक AI परियोजनाओं का एक चुनिंदा संग्रह।

स्कैन किए गए PDF के त्रुटि सुधार, स्मार्ट चंकिंग और मार्कडाउन फ़ॉर्मेटिंग के लिए LLMs (स्थानीय या API) का उपयोग करके Tesseract OCR आउटपुट को बढ़ाता है

लगभग किसी भी चीज़ को Markdown में बदलने के लिए एक Model Context Protocol सर्वर

CTPN, CRNN और CTC के साथ एंड-टू-एंड चीनी सीन-टेक्स्ट डिटेक्शन और रिकग्निशन (लेगेसी प्रोजेक्ट)।

OpenRecall Microsoft के Windows Recall जैसे मालिकाना समाधानों का पूरी तरह से ओपन-सोर्स, गोपनीयता-प्रथम विकल्प है। OpenRecall के साथ, आप अपनी गोपनीयता से समझौता किए बिना अपनी डिजिटल हिस्ट्री तक आसानी से पहुँच सकते हैं, जिससे आपकी याददाश्त और उत्पादकता बढ़ती है।

डिजिटल आर्काइव (स्कैन किए गए दस्तावेज़) के लिए ओपन सोर्स दस्तावेज़ प्रबंधन प्रणाली

AI कॉमिक और मंगा अनुवादक ऐप/ब्राउज़र एक्सटेंशन जो कई भाषाओं और प्रारूपों (इमेज, PDF, EPUB, CBR, CBZ आदि) में कॉमिक्स, मंगा, manhwa, BDs, fumetti और अन्य का स्वचालित रूप से अनुवाद करता है।

जापानी टेक्स्ट के लिए ऑप्टिकल कैरेक्टर रिकग्निशन, जिसका मुख्य फोकस जापानी मंगा है।

manga-image-translator पर आधारित ओपन-सोर्स मंगा AI अनुवाद डेस्कटॉप टूल। जापानी, कोरियाई और अंग्रेजी मंगा के स्वतः प्रसंस्करण का समर्थन करता है; OpenAI, Gemini और अन्य अनुवाद इंजनों को एकीकृत करता है; OCR टेक्स्ट डिटेक्शन, मूल टेक्स्ट इरेज़र, AI अनुवाद, इमेज इनपेंटिंग और टेक्स्ट लेआउट की पूरी प्रक्रिया को लागू करता है, विजुअल एडिटर के साथ आता है, कस्टम टेक्स्ट स्टाइल का समर्थन करता है, और एक-क्लिक डिप्लॉयमेंट के साथ उपयोग के लिए तैयार है।

छवियों के बजाय जानकारी कैप्चर करने के लिए OCR संचालित स्क्रीन-कैप्चर टूल

paperless-ngx को संभालने के लिए LLMs और LLM Vision (OCR) का उपयोग करें - AI द्वारा संचालित दस्तावेज़ डिजिटलीकरण

हल्का दस्तावेज़ प्रबंधन प्रणाली जो बड़ी महंगी समाधानों से अपेक्षित सभी सुविधाओं से युक्त है

जोखिम निर्णय के लिए ओपन-सोर्स बुनियादी ढांचा और डेटा ऑर्केस्ट्रेशन प्लेटफॉर्म

LandingAI द्वारा Agentic Document Extraction (ADE) के लिए आधिकारिक CLI — दस्तावेज़ पार्स करें और अपने टर्मिनल से स्कीमा-आकार का डेटा निकालें

ComfyUI में LLM एजेंट फ्रेमवर्क जिसमें MCP सर्वर, Omost, GPT-sovits, ChatTTS, GOT-OCR2.0, और FLUX प्रॉम्प्ट नोड्स शामिल हैं, Feishu, discord तक पहुंच, और o1, ollama, gemini, grok, qwen, GLM, deepseek, kimi, doubao जैसे सभी llms के समान openai / aisuite इंटरफेस के अनुकूल है। स्थानीय llms, vlm, gguf जैसे llama-3.3 Janus-Pro, Linkage graphRAG के अनुकूलित।

स्कैनर, ई-मेल और अन्य स्रोतों से प्राप्त दस्तावेजों के ढेर को न्यूनतम प्रयास के साथ व्यवस्थित करने में सहायता करें

वॉलपेपर की कलर स्कीम/पैलेट बदलने, VLM के साथ ट्रेडिशनल और हाइब्रिड OCR, इमेज कम्प्रेशन, कलर पैलेट एक्सट्रैक्शन, एडवरसेरियल नेटवर्क के साथ इमेज अपस्केलिंग और अधिक इमेज प्रोसेसिंग सुविधाओं के लिए एक टूल।

लेआउट, फॉर्मूला और संरचना को बनाए रखते हुए PDF अनुवाद, अनुसंधान और तकनीकी दस्तावेजों के लिए उपयुक्त

TensorFlow के साथ कार्यान्वित हस्तलिखित पाठ पहचान (HTR) प्रणाली।

DSQ क्वांटीकरण और OpenAI-संगत सर्वर व CLI के साथ Rust मल्टी‑बैकएंड OCR/VLM इंजन (DeepSeek‑OCR-1/2, PaddleOCR‑VL, DotsOCR) – Python के बिना स्थानीय रूप से चलाएं।

tesseract-ocr API के लिए एक Python रैपर।

Obsidian के लिए एक सर्च इंजन जो "बस काम करता है"। OCR और PDF इंडेक्सिंग का समर्थन करता है।

एक ऑन-प्रिमाइसेस, OCR-मुक्त असं estructured डेटा निष्कर्षण, मार्कडाउन रूपांतरण और बेंचमार्किंग टूलकिट। (https://idp-leaderboard.org/)