ocr

一个用于 Document AI 的仓库

一款使用轻量模型的开源 Python3 工具，用于识别图片中的版面布局、表格、数学公式 (LaTeX) 和文本，并将其转换为 Markdown 格式。这是 Mathpix 的免费替代方案，可将视觉内容无缝转换为文本表示。支持 80 多种语言。

[验证码识别-训练] 本项目基于 CNN/ResNet/DenseNet+GRU/LSTM+CTC/CrossEntropy 实现验证码识别，仅用于训练模型。

使用最先进的现代 OCR 与 Ollama 支持文档（PDF、Word、PPTX...）提取与解析 API。将文档匿名化、移除个人身份信息（PII），并将任何文档或图片转换为结构化的 JSON 或 Markdown。

使用 Tesseract C++ 库的 OCR（光学字符识别）Go 包

树洞 OCR 文字识别（一款跨平台的 OCR 小工具）

在 PHP 中使用 Tesseract OCR 的包装器。

一个精选的实用 AI 项目集合，实现 OCR 系统、RAG、AI 代理和其他 AI 用例

使用 LLMs（本地或 API）增强 Tesseract OCR 输出，用于扫描 PDF 的错误修正、智能分块和 Markdown 格式化

将几乎任何东西转换为 Markdown 的模型上下文协议服务器

使用 CTPN、CRNN 和 CTC 进行端到端的中文场景文字检测与识别（旧版项目）。

OpenRecall 是一个完全开源、以隐私为首要考虑的替代方案，取代像 Microsoft Windows Recall 这类专有解决方案。使用 OpenRecall，您可以轻松存取数字历史，提升记忆与生产力，同时不会妥协隐私。

数字档案扫描文件的开源文件管理系统

AI 漫画翻译应用/浏览器扩展，用于自动翻译多种语言和格式（图片、PDF、EPUB、CBR、CBZ 等）的漫画（comics、manga、manhwa、BDs、fumetti 等）。

针对日文文本的光学字符识别，主要聚焦于日本漫画

基于 manga-image-translator 的开源漫画翻译工具。支持日、韩、美漫自动翻译，内置 OpenAI、Gemini 等 5 种翻译引擎，并提供可视化编辑器自由调整文本样式。一键安装，开箱即用。如果喜欢，欢迎点亮 ⭐ Star 支持！

基于 OCR 的屏幕截图工具，用于获取信息而非仅仅是图片

使用 LLM 和 LLM Vision (OCR) 来处理 paperless-ngx - 由 AI 驱动的文档数字化

具备大型昂贵解决方案所期望所有功能的轻量级文档管理系统

用于风险决策的开源基础设施与数据编排平台

LandingAI 的 Agentic Document Extraction (ADE) 官方 CLI——从终端解析文档并提取符合架构的数据

ComfyUI 中的 LLM Agent 框架，包含 MCP server、Omost、GPT-sovits、ChatTTS、GOT-OCR2.0 与 FLUX prompt 节点，支持访问飞书、Discord，并适配所有具备类似 OpenAI / aisuite 接口的 LLM，例如 o1、ollama、gemini、grok、qwen、GLM、deepseek、kimi、doubao。已适配本地 LLM、VLM、GGUF（如 llama-3.3 Janus-Pro、Linkage graphRAG）

协助整理来自扫描器、电子邮件和其他来源的文件堆，只需花费极少的心力。

一款用于转换壁纸配色方案/调色板的工具，支持基于 VLM 的传统与混合 OCR、图片压缩、调色板提取、利用对抗网络进行图片超分辨率放大等更多图像处理功能。

在保留排版、公式与结构的前提下进行 PDF 翻译，适用于科研与技术文档

Rust 多后端 OCR/VLM 引擎（支持 DeepSeek‑OCR-1/2、PaddleOCR‑VL、DotsOCR），具备 DSQ 量化与兼容 OpenAI 的服务器与 CLI —— 无需 Python 即可在本地运行。

使用 TensorFlow 实现的手写文字识别（HTR）系统。

tesseract-ocr API 的 Python 包装库

一个为 Obsidian 设计、开箱即用的搜索引擎。支持 OCR 与 PDF 索引。

本地部署、无需 OCR 的非结构化数据提取、Markdown 转换与基准测试工具包。(https://idp-leaderboard.org/)