ocr

Um repositório para Document AI

Uma ferramenta Python3 de código aberto com modelos pequenos para reconhecer layouts, tabelas, fórmulas matemáticas (LaTeX) e texto em imagens, convertendo-os para o formato Markdown. Uma alternativa gratuita ao Mathpix, permitindo a conversão contínua de conteúdo visual em representações baseadas em texto. Suporta mais de 80 idiomas.

[Reconhecimento de CAPTCHA - Treinamento] Este projeto utiliza CNN/ResNet/DenseNet + GRU/LSTM + CTC/CrossEntropy para realizar a identificação de CAPTCHA. Este projeto destina-se apenas ao treinamento do modelo.

API de extração e análise de documentos (PDF, Word, PPTX...) usando OCR moderno de última geração e modelos suportados pelo Ollama. Anonimize documentos, remova PII e converta qualquer documento ou imagem em JSON ou Markdown estruturado.

Pacote Go para OCR (Reconhecimento Óptico de Caracteres), utilizando a biblioteca C++ Tesseract.

Shudong OCR (uma ferramenta de OCR multiplataforma).

Um wrapper para trabalhar com Tesseract OCR dentro do PHP.

Uma coleção curada de projetos práticos de IA implementando sistemas de OCR, RAG, agentes de IA e outros casos de uso de IA.

Aprimora a saída do Tesseract OCR usando LLMs (locais ou via API) para correção de erros, segmentação inteligente e formatação em markdown de PDFs digitalizados.

Um servidor de Model Context Protocol para converter quase qualquer coisa em Markdown.

Detecção e reconhecimento de texto em cena em chinês de ponta a ponta com CTPN, CRNN e CTC (projeto legado).

OpenRecall é uma alternativa totalmente de código aberto e focada em privacidade a soluções proprietárias como o Windows Recall da Microsoft. Com o OpenRecall, você pode acessar facilmente seu histórico digital, aprimorando sua memória e produtividade sem comprometer sua privacidade.

Sistema de gerenciamento de documentos de código aberto para arquivos digitais (documentos digitalizados).

Aplicativo e extensão de navegador com IA para tradução automática de quadrinhos, mangás, manhwas, BDs, fumetti e mais, em múltiplos idiomas e formatos (Imagens, PDF, EPUB, CBR, CBZ, etc.).

Reconhecimento óptico de caracteres para texto em japonês, com foco principal em mangás

Ferramenta de tradução de mangás de código aberto baseada em manga-image-translator. Suporta tradução automática de mangás japoneses, coreanos e americanos, inclui 5 motores de tradução como OpenAI e Gemini, e oferece um editor visual para ajustar o estilo do texto. Instalação com um clique, pronto para usar.

Ferramenta de captura de tela baseada em OCR para capturar informações em vez de imagens.

Use LLMs e LLM Vision (OCR) para gerenciar o paperless-ngx - Digitalização de documentos impulsionada por IA

Sistema de gerenciamento de documentos leve, equipado com todos os recursos que você esperaria de grandes soluções caras

Plataforma de infraestrutura e orquestração de dados open source para decisão de risco

CLI oficial para Agentic Document Extraction (ADE) da LandingAI — analise documentos e extraia dados estruturados a partir do seu terminal.

Framework de agentes LLM no ComfyUI, incluindo servidor MCP, Omost, GPT-sovits, ChatTTS, GOT-OCR2.0 e nós de prompt FLUX, com acesso a Feishu e Discord, adaptando-se a todos os LLMs com interfaces similares à da OpenAI/aisuite, como o1, ollama, gemini, grok, qwen, GLM, deepseek, kimi e doubao. Adaptado para LLMs locais, VLM e GGUF, como llama-3.3, Janus-Pro e Linkage graphRAG.

Ajuda a organizar pilhas de documentos provenientes de scanners, e-mails e outras fontes com o mínimo de esforço.

Uma ferramenta para converter esquemas de cores/paletas de papéis de parede, OCR com VLM tradicional e híbrido, compressão de imagem, extração de paleta de cores, upscaling de imagem com redes adversárias e mais recursos de processamento de imagem.

Tradução de PDF preservando layout, fórmulas e estrutura, ideal para documentos científicos e técnicos

Sistema de reconhecimento de texto manuscrito (HTR) implementado com TensorFlow.

Motor de OCR/VLM multi-backend em Rust (DeepSeek-OCR-1/2, PaddleOCR-VL, DotsOCR) com quantização DSQ, servidor compatível com OpenAI e CLI – execute localmente sem Python

Um wrapper em Python para a API do tesseract-ocr

Um mecanismo de busca que simplesmente funciona para o Obsidian. Suporta OCR e indexação de PDF.

Um kit de ferramentas local para extração de dados não estruturados sem OCR, conversão para markdown e benchmarking. (https://idp-leaderboard.org/)