tessdoc

多语言支持的开源文字识别引擎

Tesseract是一款功能强大的开源OCR引擎，支持100多种语言和35种以上的文字。它提供命令行和API接口，可从图像中精确提取文本。Tesseract采用LSTM神经网络技术，具有高度可定制性，并配备完善的训练测试工具。该引擎可跨平台使用，包括移动设备，为开发者提供了灵活的文字识别解决方案。

访问官网

Github

文档

介绍相关项目

large-ocr-model.github.io - OCR 技术提升多模态大模型视觉问答性能研究

GithubOCR多模态大型模型开源项目缩放法则视觉问答

本项目研究 OCR 技术对多模态大模型性能的影响。实验表明，OCR 能显著提高模型在视觉问答任务中的表现。研究者构建了 REBU-Syn 数据集，验证了 OCR 领域的缩放法则，并开发了高精度 OCR 模型。这项工作为多模态大模型的应用开辟了新方向，揭示了 OCR 在增强模型能力方面的重要价值。

MORT - 多语言屏幕实时OCR和翻译工具

GithubMORTOCR多语言支持实时翻译开源项目机器翻译

MORT是一款开源的屏幕实时OCR和翻译工具，支持从屏幕提取文本并进行实时翻译。它集成了多种OCR引擎如TesseractOCR、Windows OCR等，以及Papago、Google等翻译服务。MORT具备多区域OCR、图像调整和自定义API等功能，可应用于游戏、视频等场景的实时翻译。该工具支持英语和日语的默认提取与翻译，并可通过剪贴板功能与钩子程序联动。

lingua - 多语言文本检测库，低配置需求，高精度

GithubLingua开源项目拼写检查文本分类自然语言处理语言识别

此库可检测文本数据的语言，适用于自然语言处理如文本分类和拼写检查。与其他开源库相比，该库无需复杂配置，适用于长文本和短文本，甚至单词和短语。支持75种语言，高精度检测，完全离线运行，无需外部API或服务，适用于社交媒体和电子邮件自动分拣等应用。

TTS - 高性能文本到语音生成库，支持多语言

GithubMozillaTTSText-to-Speech多语言支持开源项目预训练模型

trocr-base-handwritten - 基于Transformer架构的高精度手写文本识别模型

GithubHuggingfaceTrOCRTransformer模型光学字符识别图像转文本开源项目手写文本识别模型

TrOCR是一种基于Transformer架构的光学字符识别模型，专为手写文本识别而设计。该模型结合了图像Transformer编码器和文本Transformer解码器，可准确识别单行手写文本图像。经IAM手写数据集微调后，TrOCR适用于多种手写OCR场景，为文本识别研究和应用提供了有力支持。

ExtractThinker - 使用 LLM 从文件和文档中提取数据的库

ExtractThinkerGithubLLMs开源项目数据提取文档处理智能文档

ExtractThinker提供智能文件数据提取，支持Tesseract OCR、Azure Form Recognizer和AWS TextExtract等多种文档加载器。适用于异步处理、多种格式和ORM风格操作的模块化架构，并与LangChain生态系统兼容。专注于智能文档处理，大幅提升数据提取准确率，适用于发票、驾照等多场景。

TengineKit - 多功能AI算法SDK，涵盖人脸检测、特征点定位、3D人脸识别和眼部虹膜追踪等功能

AI算法GithubTengineKit人脸检测开源项目手部检测移动端

由OPEN AI LAB开发，TengineKit提供全方位的AI算法SDK解决方案，覆盖人脸检测、特征点定位、3D人脸识别和眼部虹膜追踪等功能。适用于多种移动设备，保证了优异的跨平台性能和低延迟的实时处理效果。而且，持续的技术更新使得TengineKit在行业中保持领先。

AI Text Detector - 专业AI文本识别工具支持多平台检测分析

AI工具AI检测器SEO优化剽窃检查可读性检查跨平台应用

AI Text Detector为用户提供专业的人工智能文本识别服务，支持多种主流平台。该工具能够有效检测ChatGPT、GPT-4等AI生成的内容，并提供文本扫描、PDF导入和实物拍照识别等便捷功能。集成的抄袭检查和可读性分析功能进一步增强了内容质量评估能力。研究表明，AI Text Detector在AI内容检测领域表现出色，是当前市场上领先的文本检测解决方案之一。

SimpleHTR - TensorFlow手写文本识别系统，支持单词和整行文本识别

CTC解码GithubIAM数据集TensorFlow字束搜索解码开源项目手写文字识别

本手写文本识别系统使用TensorFlow实现，并训练于IAM数据集。其能够识别单词和整行文本，验证集中3/4的单词被正确识别，字符错误率约为10%。系统提供预训练模型下载和多种解码器选项，包括适用于Windows的word beam search解码器。此外，还支持快速数据加载和训练设置，适合快速开发与部署文本识别应用。

TTS - 多语言支持和低延迟的先进文本到语音转换技术

Coqui.aiGithubTTS多语言开源项目深度学习语音合成

🐸TTS库提供多达16种语言的高级文本到语音转换模型，支持低于200毫秒的流媒体延迟。它包含丰富的工具用于模型训练和微调，并且拥有超过1100种预训练模型，适用于多语言和多说话人TTS任务。此外，该库还支持高效的语料库分析和管理，为语音合成提供全面支持。

相关项目

推荐项目

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。

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。

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。

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。

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。

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。

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。

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。

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