ocr

MLKit 是一个强大易用的工具包。通过 ML Kit 您可以很轻松地实现文字识别、条码识别、图像标记、人脸检测、对象检测等功能。

RMT (RuoMengTu) 是一个基于 AHKv2 构建的免费开源宏工具。让代码处理繁琐的工作——你有更多有意义的事要做。

Paddle.js 是一个百度 PaddlePaddle 的网页项目，这是一个在浏览器中运行的开源深度学习框架。Paddle.js 可以加载预先训练好的模型，或通过 Paddle.js 提供的模型转换工具将 paddle-hub 的模型进行转换。它可以在任何支持 WebGL/WebGPU/WebAssembly 的浏览器中运行，也可以在百度智能小程序与微信小程序中运行。

支持所有语言的 OCR 引擎

TurboOCR，>200 img/s OmnidocBench。TensorRT FP16、PP-OCRv6、HTTP + gRPC

SnapX 是一款免费、开源、跨平台的工具，可让您截取或录制屏幕的任何区域，并透过单键立即分享。轻松将图片、视频、文字等上传至多个支援的目标。ShareX 的分支版本

整理目前开源的最优表格识别模型，完善前后处理，模型转换为 ONNX

PaddlePaddle 的 ONNX 模型导出工具

从头重写的 tess-two 分支，以支持最新版本的 Tesseract OCR。

赋予 AI 代理程序阅读 PDF 的能力——通过 MCP 提供结构化文字、表格、OCR、视觉证据与页面级引用。原生 Rust，本地优先。

本地优先、开源的资料 AI 助理。整合任务、笔记、文档、照片与书签。具备隐私、自托管，并可通过 API 扩展。

可用于轻松赚取收入的开源 AI 项目清单。

使用视觉 LLM 将 PDF 转为 markdown — 保留表格、排版与结构

快速且准确地从文档中提取结构化数据。

CCExtractor - 核心团队维护的官方版本

极简的 SOTA LaTeX OCR 模型，仅 20M 参数，可在浏览器中运行。提供完整的训练流程以供自行复现。 | 超轻量SOTA LaTeX公式识别模型，仅20M参数量，可在浏览器中运行。训练全流程代码开源，以便自学复现。

⌘⌘ - 一款轻量级的原生 macOS 截图工具，常驻于菜单栏。双击 ⌘ Command 即可截取画面的任意区域 — 立即复制到剪贴板，或使用画笔与马赛克工具先行标注。

一款本地、离线（初始设置后）、便携的 OCR 软件，可使用 DeepSeek-OCR-2 AI（直接在您的机器上运行）处理图片和 PDF 文件。

[dsh] 为纯文字模型设计更强大的视觉工具箱：安装免费使用、贴上图片直接识别、多张图片问答、截图到前端 UI 还原等 ｜ DeepSeek Harness 原生整合 agent-vision-toolkit：图片问答、长截图 OCR、UI 还原、定位、像素 diff、Artifacts 与 Web UI。

Note Companion：超越单纯聊天的 Obsidian AI 助手（前身为 File Organizer 2000）

使用 Python 与 tesseract OCR 编写的超市收据解析器

免费开源文档管理系统（镜像，不接受 pull request 或 issue）

SumatraPDF fork: Chinese EPUB/MOBI, smart PDF dark mode, OCR, TTS, offline dictionary.

通过游戏和其他视觉媒体学习语言的沉浸式工具包。

用于 OCR 的 Zotero 插件

一款轻量级 macOS 划词翻译工具，纯 Swift 6 开发，使用设备端 Apple 翻译以保护隐私，安装体积仅 5MB，后台运行内存稳定约 50MB。

将你的简历从 resume.io 下载为 PDF

用于文字识别、OCR 校对以及创建完全数字化文件的网页界面。

结合 LLM、ASR、TTS、OCR、CV 等技术的 AI VTuber，可与你直播或游玩 Minecraft。