Project Icon

gImageReader

基于tesseract-ocr的开源图像文字识别工具 支持多格式处理

gImageReader是一个基于tesseract-ocr的开源图像文字识别工具。它提供简洁的Gtk/Qt前端界面,支持从多种来源导入PDF和图像,包括磁盘、扫描设备、剪贴板和屏幕截图。该工具可批量处理文件,支持手动或自动定义识别区域,输出格式包括纯文本和hOCR。gImageReader还具备文本后处理、拼写检查和生成PDF等功能,支持多语言识别。作为一款功能全面的OCR软件,gImageReader为用户提供了便捷的文字识别解决方案。

myGPTReader - 多功能智能阅读工具 支持网页文档摘要和语音交互
AI工具AI聊天机器人myGPTReader内容阅读文档总结语音交互
myGPTReader作为一款智能阅读工具,能够快速处理和总结各类信息源,包括网页、文档、电子书和YouTube视频。它具备多语言语音交互功能,提供热点新闻摘要,同时支持多种内容创作。通过AI对话方式,用户可以更有效地理解和处理信息,从而提高阅读效率和学习效果。这款工具适用于学习、工作和日常信息获取等多种场景,是一个功能全面的智能阅读和内容创作平台。
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。
ImageMagick - 多功能开源图像处理软件
GithubImageMagick命令行工具图像处理图像格式转换开源软件开源项目
ImageMagick是一个功能丰富的开源图像处理工具,支持JPEG、PNG、GIF等多种格式的图像创建、编辑和转换。它提供命令行和API接口,便于执行复杂的图像处理任务和集成到其他应用中。这个软件在Web开发、图形设计、科学研究等多个领域得到广泛应用。
naps2 - 跨平台文档扫描应用 支持多种格式输出
GithubNAPS2OCRPDF开源项目文档扫描跨平台
NAPS2是一款开源文档扫描应用,支持Windows、Mac和Linux系统。它可从多种类型扫描仪获取文档,支持PDF、TIFF、JPEG和PNG格式输出。软件集成了Tesseract OCR引擎,提供光学字符识别功能。NAPS2支持多语言界面,并为开发者提供SDK,是一个功能完整的跨平台扫描解决方案。
simple-ocr-opencv - 基于OpenCV和NumPy的轻量级Python OCR工具
GithubOCROpenCVPython图像识别开源项目机器学习
simple-ocr-opencv是一个基于OpenCV和NumPy的Python OCR工具。它采用矩形模型进行图像分割,使用k-NN算法实现字符分类。项目结构清晰,包含示例代码,支持自定义训练,并提供预标注训练图像和交互式标注功能。开发者可通过example.py快速上手。这个开源项目遵循GNU AGPLv3许可证,适合需要实现基础OCR功能的开发者使用。
kraken - 优化历史文献和多语言文本识别的开源OCR系统
GithubOCR系统kraken历史文字识别开源项目文本识别非拉丁文识别
kraken是一个开源OCR系统,专注于历史文献和非拉丁文本识别。该系统提供可训练的布局分析、阅读顺序识别和字符识别功能,支持多种文字方向和脚本。kraken能够输出多种格式,并提供公共模型库和灵活的识别网络架构。该项目与eScriptorium密切合作,为用户提供全面的文本数字化解决方案。kraken目前支持Linux和Mac OS X平台。
manga-ocr - 日本漫画光学字符识别工具,支持多种文本处理场景
GithubManga OCRPythonTransformers光学字符识别开源项目日本放送協会
Manga OCR 是一款基于Transformer的自定义端到端模型的光学字符识别工具,专为日本漫画设计。它可以识别垂直和平行文本、带有振假名的文本、覆盖在图像上的文本、各种字体以及低质量图像。Manga OCR 支持一次性识别多行文本,适用于漫画中的文本气泡。同时,该项目还提供与GUI阅读器和HTML覆盖生成工具的集成,便于用户创建完整的阅读和挖掘工作流程。
pdfdeal - PDF文本提取与优化工具 支持多种OCR引擎
Doc2XGithubOCR识别PDF处理pdfdeal开源项目知识库构建
pdfdeal是一个开源的PDF处理工具,专注于提取和优化文本内容。该工具支持多种OCR引擎,包括Doc2X,可实现PDF文本提取、图像文字识别和格式优化。pdfdeal支持多种文件格式,并提供与graphrag等检索增强生成(RAG)工具的集成指南,有助于提高知识库构建效率。
llm_aided_ocr - 提升OCR文本质量和一致性的系统
FAISSGithubLLM-Aided OCROCROpenAI APITesseract开源项目
该系统利用自然语言处理、机器学习和智能文本处理技术,将OCR输出的文本转换为高精度、格式化良好的易读文档。它解决了字符识别错误、段落结构不正确、虚构内容和格式不一致等常见OCR问题。支持从PDF到图像的转换,使用Tesseract进行OCR,并提供通过本地或API接口进行高级错误校正、智能文本分块处理和Markdown格式化等功能。此外,还采用FAISS和嵌入相似性检查进行内容过滤,确保输出文本的质量和一致性。
ScantextAI - 多语言支持的在线图像文字识别转换平台
AI工具OCR技术PDF转换图像转文字多语言支持文本提取
ScantextAI是一个多语言在线OCR平台,支持从多种图像格式中提取文字并转换为可编辑文档。适用于各行业,提供免费服务,注重文件安全和隐私保护。
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

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

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