ocr

CnSTD: 基于 PyTorch/MXNet 的 中文/英文 场景文字检测（Scene Text Detection）、数学公式检测（Mathematical Formula Detection, MFD）、篇章分析（Layout Analysis）的Python3 包

使用 Rust 与 TypeScript 编写的快速、无痛、直观的 OCR 平台。具备现代化 UI 与现代化 API，并强调直观的用户体验。

无需 ROOT 的开源 Android 屏幕实时翻译工具，适合游戏、视觉小说和漫画。支持端侧与云端 OCR、离线 LLM、多种翻译服务和文字朗读（TTS），译文可直接显示在画面上。

来自 Davar-Lab 的 OCR 工具箱

开源 OCR 与字典工具。

Claude Code 的通用 LaTeX 文档技能：含 27 个模板、27 个脚本、26 份参考指南。于 ✦ HappyCapy AI ✦ 平台上使用 Claude Code 制作。

从游戏窗口中扫描《原神》的角色、圣遗物与武器至 JSON 文件中。

一个由 AI 驱动的个人识别信息（PII）扫描器。

用于车牌文字识别的轻量级快速 OCR 模型

使用排列自回归序列模型的场景文本识别（ECCV 2022）

Dedoc 是一个用于自动化解析文件并将其转换为统一格式的库（服务）。它能自动从电子文字文件中提取内容、逻辑结构、表格和元信息。（文件解析；文件内容提取；逻辑结构提取；PDF 解析器；扫描文件解析器；DOCX 解析器；HTML 解析器）

使用 make 训练 Tesseract LSTM

使用 PyMuPDF 的示范、示例与实用程序

快如闪电的硬字幕提取工具。仅需苹果 M1 芯片或 NVIDIA 3060 显卡即可达到 10 倍速提取。

An efficient OCR engine for receipt image processing.

无需触碰鼠标即可浏览整个屏幕。

针对 ML 训练优化的多模态 OCR 流水线（文本、图形、数学、表格、图表）

适用于任何相机的车牌识别（ALPR 或 ANPR）软件。

meikipop - 适用于 windows、linux 与 macos 的通用日语 OCR 弹出式字典

🎮 实时游戏翻译工具 | OCR + AI 翻译 | Windows 游戏 | 开源

🔍 通过结合多个 OCR 引擎（EasyOCR、Tesseract 与 Pororo）与 🧠 LLM 来实现更好的文字检测。

一个辅助从图片 (OCR) 与 PDF 提取文字的插件。

通过 LLM 模型实现 AI 银行对账单文档自动化与个人财务分析

[ECCV 2026] 一种基于扩散模型的文件 OCR 框架，以区块级并行扩散解码取代自回归解码

简洁美观的跨平台截图软件，支持离线 OCR、图片翻译、贴图和钉图功能

已训练 LSTM 模型的快速整数版本

基于 Tesseract 的 Android OCR 工具

React Native 的 Tesseract OCR 封装

SynthTIGER (合成文字图像生成器) 官方实现，ICDAR 2021

ParseBench - 用于 AI Agent 的文档解析基准测试。