Logo
Project Icon

Pix2Text

开源Python工具，支持高精度数学公式检测和80多种语言的文本识别

Pix2TextOCR数学公式检测表格识别开源Github开源项目

Pix2Text是一款免费开源的Python工具，主要功能与Mathpix类似，能够将复杂布局的图像、表格、文本和数学公式转换为Markdown格式。它支持超过80种语言的文本识别，包括简体中文、繁体中文、英语和越南语。最新的V1.1.1版本引入了新的数学公式检测模型，大幅提升了识别准确性。用户也可以通过在线服务和演示来体验其强大功能。

访问官网访问官网GithubGithubHuggingfaceHuggingface文档文档论文论文
介绍相关项目
attention-ocr - 基于注意力机制的视觉OCR模型，实现与导出工具
Attention-OCRGithubOCRTensorflow人工智能图像识别开源项目
该项目提供了基于注意力机制的OCR模型，结合了CNN与LSTM，用于图像识别，并能够导出为SavedModel或frozen graph格式。用户可以通过生成TFRecords数据集、训练、测试及可视化等步骤完整运行该OCR系统。项目还支持通过Tensorflow Serving提供REST API服务，并可以在Google Cloud ML Engine上进行模型训练。目前该项目依赖Tensorflow 1.x，未来计划升级到Tensorflow 2。
text2video - 文本转视频工具，实现小说可视化阅读
DockerGithubedge-ttshuggingfacestable-diffusion开源项目文本转视频
text2video 是一款将文本转换为视频的开源工具，支持小说等文本的可视化阅读。通过分段文本生成图片和语音，并合成为包含画面、字幕和声音的视频。应用了 stable-diffusion 和 edge-tts 技术，支持 Docker 一键启动和 macOS 本地开发。该工具还支持生成高质量的绘图提示词，利用 huggingface 的开源模型和 ffmpeg 进行音视频合成，操作简便，效果显著。
TextIn - 一站式智能文档处理平台，支持多种应用场景
AI工具TextIn合同机器人图像智能处理大模型加速器智能文字识别
TextIn是一个智能文档处理平台，提供OCR文字识别、图像处理、文件转换和大模型加速等功能。支持云端API、端侧SDK和私有化部署，适合企业、开发者及个人用户使用，并可以与OA/ERP等系统无缝对接，提升办公效率，广泛应用于各类文档场景。
RapidOCR - 开源多语言OCR工具 支持跨平台快速部署
GithubONNXRapidOCR多平台多语言开源OCR开源项目
RapidOCR是一个开源的多平台、多语言OCR工具，具有高速识别和广泛兼容性。该工具支持快速离线部署，采用ONNXRuntime推理引擎，识别速度显著优于PaddlePaddle引擎。RapidOCR内置中英文识别功能，同时支持其他语言的自定义转换。基于深度学习技术，RapidOCR注重轻量化设计和高效性能，适用于快速OCR部署和定制化需求场景。
PixieMint - 全能AI图像生成和编辑平台无需Photoshop技能
AI图像生成AI工具PixieMint创意工具照片编辑视觉内容创作
PixieMint集成多种AI模型，提供文本生成图像、背景处理、对象编辑和图像扩展等功能。平台支持创建营销素材、广告图片、产品照片和概念艺术，显著提升创作效率。内置的创意工作室实现连贯的AI工作流程，为用户带来流畅的创作体验。无需专业设计技能，即可轻松生成高质量视觉内容。
pix2pixHD - 高分辨率图像到图像转换及语义编辑
GANsGithubpix2pixHD图像翻译开源项目语义操控高分辨率
此Pytorch实现的高分辨率图像到图像转换方法（如2048x1024），可以将语义标签图转化为真实感图像，或从面部标签图生成肖像。该项目适用于街景和肖像等图像生成及交互编辑。需要NVIDIA GPU，提供详细的安装、测试和训练指南，支持多GPU和自动混合精度训练。
dm_pix - 基于JAX的高性能图像处理库
GithubJAXPIX图像处理平行优化开源项目机器学习
PIX是一个基于JAX的开源图像处理库，具备优化和并行化能力。支持通过jax.jit、jax.vmap和jax.pmap进行加速与并行处理，适用于高性能计算需求。安装便捷，只需通过pip安装后即可使用。提供丰富的示例代码，易于上手操作，同时配备完整的测试套件，确保开发环境的可靠性，并接受社区贡献。
tr - 高效的离线OCR文本识别与文档理解SDK
CRNNGithubOCRTransformertr多模态大模型开源项目
tr是一款离线OCR文本识别SDK，核心采用C++开发并提供Python接口，支持多行文本识别和多模态大模型集成。tr结合CRNN与TransformerEncoder，提供高效且资源占用低的OCR解决方案，适用于如弯曲文本和图表等复杂场景。最新版本优化了C++接口、支持Python2、多线程功能，并去除了对opencv-python和Pillow的依赖。提供简洁的下载与安装指引，及详细的示例代码便于快速部署和测试。
pdf2htmlEX - 将PDF精确转换为HTML的开源工具 支持复杂排版和公式
GithubPDF转HTMLpdf2htmlEX开源工具开源项目文档转换网页渲染
pdf2htmlEX是一个开源的PDF转HTML工具，能精确还原PDF文档的文本、字体和布局。它支持复杂的学术论文和杂志排版，可处理大量公式和图表。该工具提供灵活的输出选项，包括生成单一HTML文件或按需加载页面。pdf2htmlEX保持较小的文件体积，同时支持链接、大纲和打印等功能，适用于多种在线发布场景。
AI Image Translator - AI图片翻译工具支持130多种语言并保留原文格式
AI图像翻译AI工具OCR技术图像背景修复多语言支持文本格式保持
AI Image Translator是一款图片翻译工具，能识别图片中的文本并翻译成130多种语言，同时保留原始格式。支持多种图片格式，提供背景修复和文本编辑功能。适用于电商产品图、广告和技术图表等场景。用户只需三步即可完成图片翻译，提高跨语言沟通效率。该工具还支持批量处理和工作区保存，方便后续修改。
相关项目
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务
投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号