ocr

一個用於 Document AI 的倉庫

一款使用輕量模型的開源 Python3 工具，用於識別圖片中的版面配置、表格、數學公式 (LaTeX) 和文字，並將其轉換為 Markdown 格式。這是 Mathpix 的免費替代方案，可將視覺內容無縫轉換為文字表示。支援 80 多種語言。

[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。

使用最先進的現代 OCR 與 Ollama 支援模型的檔案（PDF、Word、PPTX...）擷取與解析 API。將檔案匿名化、移除個人識別資訊（PII），並將任何檔案或圖片轉換為結構化的 JSON 或 Markdown。

使用 Tesseract C++ 库的 OCR（光學字符識別）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 的包裝器。

一個精選的實用 AI 專案集合，實現 OCR 系統、RAG、AI 代理和其他 AI 用例

使用 LLMs（本地或 API）增強 Tesseract OCR 輸出，用於掃描 PDF 的錯誤修正、智慧分塊和 Markdown 格式化

將幾乎任何東西轉換為 Markdown 的模型上下文協議服務器

使用 CTPN、CRNN 和 CTC 進行端到端的中文場景文字檢測與識別（舊版專案）。

OpenRecall 是一個完全開源、以隱私為首要考量的替代方案，取代像 Microsoft Windows Recall 這類專有解決方案。使用 OpenRecall，您可以輕鬆存取數位歷史，提升記憶與生產力，同時不會妥協隱私。

數位檔案掃描文件的開源文件管理系統

AI 漫畫翻譯應用程式/瀏覽器擴充功能，用於自動翻譯多種語言和格式（圖片、PDF、EPUB、CBR、CBZ 等）的漫畫（comics、manga、manhwa、BDs、fumetti 等）。

針對日文文字的光學字元辨識，主要聚焦於日本漫畫

基於 manga-image-translator 的開源漫畫翻譯工具。支援日、韓、美漫自動翻譯，內建 OpenAI、Gemini 等 5 種翻譯引擎，並提供視覺化編輯器自由調整文字樣式。一鍵安裝，開箱即用。如果喜歡，歡迎點亮 ⭐ Star 支援！

基於 OCR 的螢幕截圖工具，用於擷取資訊而非僅僅是圖片

使用 LLM 和 LLM Vision (OCR) 來處理 paperless-ngx - 由 AI 驅動的檔案數位化

具備大型昂貴解決方案所期望所有功能的輕量級文件管理系統

用於風險決策的開源基礎設施與資料編排平台

LandingAI 的 Agentic Document Extraction (ADE) 官方 CLI——從終端機解析文件並萃取符合結構描述的資料

ComfyUI 中的 LLM Agent 框架，包含 MCP server、Omost、GPT-sovits、ChatTTS、GOT-OCR2.0 與 FLUX prompt 節點，支援存取飛書、Discord，並適配所有具備類似 OpenAI / aisuite 介面的 LLM，例如 o1、ollama、gemini、grok、qwen、GLM、deepseek、kimi、doubao。已適配本地 LLM、VLM、GGUF（如 llama-3.3 Janus-Pro、Linkage graphRAG）

協助整理來自掃描器、電子郵件和其他來源的文件堆，只需花費極少的心力。

一款用於轉換桌布配色方案/調色盤的工具，支援基於 VLM 的傳統與混合 OCR、圖片壓縮、調色盤擷取、利用對抗網路進行圖片超高解析度放大等更多影像處理功能。

在保留版面、公式與結構的前提下進行 PDF 翻譯，適用於科研與技術文件

Rust 多後端 OCR/VLM 引擎（支援 DeepSeek‑OCR-1/2、PaddleOCR‑VL、DotsOCR），具備 DSQ 量化與相容 OpenAI 的伺服器與 CLI —— 無需 Python 即可在地端執行。

使用 TensorFlow 實作的手寫文字辨識（HTR）系統。

tesseract-ocr API 的 Python 包裝函式庫

一個為 Obsidian 設計、能「直接運作」的搜尋引擎。支援 OCR 與 PDF 索引。

本地部署、無需 OCR 的非結構化資料萃取、Markdown 轉換與基準測試工具包。(https://idp-leaderboard.org/)