Project Icon

tesseract

开源OCR引擎 多语言文字识别解决方案

Tesseract是一款开源的光学字符识别(OCR)引擎,支持超过100种语言识别和多种图像格式处理。项目包含OCR引擎libtesseract和命令行工具tesseract。最新版本Tesseract 4引入基于神经网络的OCR引擎,专注于行识别,同时保留了传统的字符模式识别功能。Tesseract支持Unicode,可输出多种格式如纯文本、PDF等,并可通过训练扩展语言识别能力。

trocr-base-printed - 基于Transformer的OCR模型 专注印刷文本识别
GithubHuggingfaceTrOCRTransformer模型光学字符识别图像转文本开源项目模型自然语言处理
TrOCR是一种基于Transformer的光学字符识别模型,专门针对印刷文本设计。该模型采用图像Transformer编码器和文本Transformer解码器架构,在SROIE数据集上经过微调。TrOCR能高效处理单行文本图像,为OCR任务提供先进解决方案。这个开源项目适用于多种场景,可轻松集成到各类文本识别应用中。
deepdoctection - 文档AI:基于深度学习的提取与布局分析工具包
GithubOCRdeepdoctection开源项目文档AI模型深度学习
deepdoctection是一个Python库,通过深度学习模型实现文档提取和布局分析,支持对象检测、OCR和文本挖掘。此集成框架结合Tensorflow或PyTorch等库,适用于PDF或扫描图片文档处理,支持文档布局分析、表格识别和文本分类等任务,致力于解决实际应用问题,是文档处理领域开发者的理想选择。
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。
eSearch - 跨平台截图工具 集成OCR搜索和录屏功能
GithubOCR识别eSearch开源项目截屏软件跨平台
eSearch是一款跨平台的开源截图工具,集成了OCR文字识别、搜索、翻译、贴图、以图搜图和录屏等功能。它支持Windows、Linux和macOS系统,并提供离线OCR识别和灵活的截图编辑选项。eSearch可快速识别和检索屏幕信息,适用于办公和学习场景,显著提高用户处理屏幕信息的效率。
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。
DeepSpeech - 开源的深度学习语音识别引擎
GithubProject DeepSpeechTensorFlow开源开源项目机器学习语音识别
DeepSpeech是一个开源语音转文字引擎,基于百度的Deep Speech研究,并利用Google TensorFlow实现。提供详细的安装、使用和训练模型文档。最新版本及预训练模型可在GitHub获取,支持和贡献指南请参阅相应文件。
zheye - 智能识别知乎倒立汉字验证码的开源工具
Github卷积神经网络开源项目机器学习知乎验证码识别高斯混合模型
zheye是一个开源项目,专注于识别知乎的倒立汉字验证码。该项目结合了卷积神经网络和高斯混合模型,可准确定位图中的倒立文字。zheye提供完整的训练和测试流程,包括依赖安装、模型训练和验证码评估。作为计算机视觉领域的实践案例,zheye展示了先进的图像识别技术。项目开发目的为学习和研究,使用时需遵守相关协议。
TTime - 高效的输入、截图翻译工具,集成多种翻译和OCR服务
GithubTTime划词翻译剪贴板监听翻译开源项目截图OCR翻译
TTime是一款功能丰富的翻译工具,支持输入翻译、截图翻译、划词翻译和悬浮球翻译等方式,集成多种翻译源和OCR服务,提供简洁的用户界面,适用于Windows和macOS系统,满足各种翻译需求。
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。
Picture Translate - 多语言在线图像文字翻译工具
AI工具OCR技术图片翻译多语言支持实时翻译跨平台兼容
Picture Translate是一款在线图像文字翻译工具,采用光学字符识别技术识别和翻译图像中的文本。支持多种语言,提供实时翻译,界面简洁易用。适用于旅游、教育、商业、医疗等领域,帮助克服语言障碍。该工具免费使用,注重用户数据隐私和安全,是跨语言交流的有效工具。
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