Project Icon

textract

多格式文档文本提取工具

textract是一个开源文本提取工具,支持从多种格式文档(如PDF、Word、Excel等)中提取文本。该项目最初由Dean Malmgren创建,现由Jazzband社区维护。textract提供简单接口,具备全面的文档支持,旨在简化文本提取流程。它适用于需要从不同类型文档中批量提取文本的场景,为用户提供高效的文本提取解决方案。

pypandoc - Python实现的多格式文档转换工具
GithubPandocPythonpypandoc开源项目文档转换
pypandoc是pandoc文档转换工具的Python封装库,支持多种格式间的转换,如Markdown到PDF、HTML到Word等。它提供简洁的API,支持自定义参数和过滤器,能处理Unicode文本。pypandoc可通过pip安装,也提供包含pandoc的二进制包。作为一个灵活的文档处理工具,pypandoc简化了在Python中使用pandoc的过程。
thepipe - 全能多模态数据提取API 为LLM开发赋能
APIGithubLLM接口thepi.pe多模态数据提取开源项目文档处理
thepipe是一款多功能API,支持从PDF、网页、视频等多种来源提取markdown、表格和图像数据。该工具与GPT-4等视觉语言模型兼容,可轻松集成各类LLM和向量数据库。thepipe具备AI驱动的文件类型识别、版面分析和结构化数据提取能力,为多模态LLM开发提供综合支持。开发者可选择云端服务或本地部署方式使用。
WeTextProcessing - 中英文文本标准化和反标准化处理工具包
GithubWeTextProcessing开源项目文本归一化自然语言处理语音识别逆文本归一化
WeTextProcessing是一个开源的文本处理工具包,主要用于中英文文本的标准化和反标准化。它提供API接口,允许自定义规则,并支持C++运行时部署。该工具适用于语音识别后处理、自然语言处理等需要处理大量文本数据的场景。WeTextProcessing具有高性能和灵活配置的特点,可满足各种文本处理需求。
zotero-ocr - Zotero OCR插件实现PDF文献自动文本识别
GithubOCRPDFTesseractZotero开源项目插件
Zotero OCR是一个开源的Zotero插件,为PDF文献提供OCR文字识别功能。该插件可为选定PDF添加识别文本,生成新的文本化PDF,或创建纯文本笔记和HTML文件。基于Tesseract OCR引擎,支持多语言识别,并提供自定义配置选项。插件安装简便,有助于提升文献管理效率。
magic-doc - 多格式文档转Markdown工具 支持本地和S3文件
GithubMagic-DocMarkdown多文件格式开源工具开源项目文档转换
Magic-Doc是一款开源轻量级工具,可将PPT、PPTX、DOC、DOCX和PDF等多种格式文件转换为Markdown。支持处理本地和S3存储的文件,并提供简洁的Python API。该工具转换速度快,尤其在处理数字化PDF和DOCX文件时效率高。Magic-Doc整合了多个开源项目,为文档格式转换提供了实用的解决方案。
open-korean-text - 高效处理韩语文本的开源库
Githubopen-korean-text开源项目文本处理自然语言处理韩语处理
open-korean-text 是一个强大的开源韩语文本处理库,支持正规化、分词、词干提取和短语提取等功能。该库适用于短文本和长文本处理,可在大数据分析等场景中进行简单的韩语处理和关键词提取。open-korean-text 性能出色,平均处理一条推文仅需0.54毫秒。项目提供多种语言的包装器,并欢迎社区贡献。
SmartaDoc AI - 多格式文档智能分析与交互平台
AIAI工具SmartaDoc AI加载中文档处理智能系统
SmartaDoc AI是一款智能文档处理平台,支持PDF、CSV、TXT、JSON、XLSX、PPTX、DOCX和EPUB等多种格式。通过AI文档分析技术,用户可进行智能文档问答,显著提高阅读和分析效率。该平台创新性地改变文档交互方式,充分发挥人工智能在文档处理领域的潜力,为用户带来全新的智能文档体验。SmartaDoc AI实现了文档处理的新突破,为用户提供前所未有的智能文档分析与交互能力。
2txt - 基于Vercel AI SDK的高效图像文本转换工具
Anthropic APIClaudeGithubNext.jsVercel AI SDK图像转文字开源项目
2txt是一个基于Vercel AI SDK、Claude和Next.js开发的图像转文本工具。该开源项目可快速将图像内容转换为文本,支持自部署和二次开发。项目提供了详细的开发指南,方便开发者进行定制和扩展。
Tesseract4Android - 基于 Tesseract 的 Android OCR 库 支持多线程识别
Android开发GithubOCRTesseract4Android图像识别开源项目文字识别
Tesseract4Android 是一个重写的 Android OCR 库,基于 tess-two 项目。该库采用 CMake 构建,兼容最新 Android Studio,集成 Tesseract OCR 5.3.4。它提供标准单线程和 OpenMP 多线程两个版本,满足不同性能需求。Tesseract4Android 简化了 OCR 技术在 Android 应用中的使用,支持多语言识别,并附带示例应用展示基本用法。
textdistance - Python文本距离和相似度计算库
GithubPython库TextDistance字符串比较开源项目相似度计算算法
TextDistance是一个计算序列距离和相似度的Python库。它实现了30多种算法,包括编辑距离、基于令牌、基于序列、基于压缩和语音等类型。该库支持纯Python实现,可比较多个序列,并提供NumPy加速选项。TextDistance接口简单灵活,适用于各种文本分析和字符串比较任务。
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。

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