EasyOCR是一款支持80多种语言和主要书写系统（如拉丁文、中文、阿拉伯文等）的光学字符识别（OCR）工具。它提供简单的安装和使用指南，帮助快速实现文本检测与识别，适用于多种场景。最新版本增加了Apple Silicon支持并修复了兼容性问题。未来版本将支持手写文本识别，进一步增强其功能。

Sparrow是一个开源解决方案，专注于高效从各类文档和图像中提取与处理数据。它通过模块化架构提供独立的服务和优化的流程，支持表格、发票、收据等非结构化数据源。Sparrow的API支持本地语言模型数据提取，可与自定义工作流程集成。

AutoNode 是一种自操作计算机系统，专注于实现网页交互和数据提取的自动化。它使用光学字符识别（OCR）和 YOLO 模型进行对象检测，结合自定义站点图来程序化地导航和操作网页。只需安装 Python 和 Docker，配置站点图并使用 API，即可轻松完成高效的网页自动化任务。AutoNode 还支持远程托管 YOLO 和 OCR 模块，适合本地资源有限的环境。

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。

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。

tesseract.js-core是tesseract.js的核心组件，将Tesseract OCR引擎从C语言编译为JavaScript WebAssembly。该项目提供跨平台的文字识别功能，适用于浏览器和Node.js环境。它包含构建脚本、JavaScript封装和第三方依赖，并对Tesseract进行了优化，增加了页面角度检测和图像旋转等功能。开发者可使用Docker构建，或运行最小示例测试其功能。

ocrs是一个基于Rust的开源光学字符识别(OCR)库和命令行工具，利用机器学习技术从各类图像中提取文本。它旨在提供一个现代化的OCR引擎，能够处理多种图像类型，并大幅减少预处理工作。ocrs具有跨平台兼容性，支持WebAssembly，使用开放许可数据集训练。目前项目处于早期阶段，支持拉丁字母识别，并计划未来扩展更多语言支持。

TexTeller是一个基于TrOCR的公式识别模型，可将图像转换为LaTeX公式。该模型使用8000万对图像-公式数据训练，具备优秀的泛化能力和准确度。TexTeller支持多种输入格式，包括扫描图像、手写公式和中英文混合公式，还提供中英文印刷体OCR功能。此外，项目集成了公式检测、段落识别和Web演示界面，便于与其他项目整合。

Procys专注于智能文档处理,利用OCR技术和机器学习算法自动提取处理各类文档数据。支持多种文件格式,可与260多个应用集成,助力企业实现流程自动化。平台符合ISO 27001、SOC 2和GDPR标准,提供安全可靠的文档处理方案,适用于发票、收据、身份证等多种场景。

InvoiceOCR网站全面收录并对比各类发票OCR和AI解决方案。汇集了领先的发票处理和数据提取软件，涵盖高级AI处理、智能数据提取、多语言支持等功能。网站提供详细比较，帮助企业选择最适合的发票自动化工具，提升处理效率和准确度。

Comic Translate是一个开源的多语言漫画翻译项目，支持英语、韩语、日语、法语、中文等语言之间的互译。该项目利用GPT-4等大型语言模型进行翻译，并整合了文本检测、OCR识别和图像修复等技术。Comic Translate适用于全球各类漫画的翻译，不局限于日本漫画。项目特点包括高质量翻译输出、多语言支持和全面的技术集成。

NormCap是一款基于OCR技术的屏幕截图工具，适用于Linux、macOS和Windows系统。这款开源软件不仅可以捕获图像，还能智能识别并提取图像中的文本信息。NormCap支持多语言识别，界面简洁易用。无论是日常办公还是学术研究，NormCap都能协助快速获取所需的文字内容，提高工作效率。

TRex是一款功能强大的OCR工具，可从屏幕上的任何内容中提取文字。支持PDF、截图和视频等多种格式，无需网络连接即可使用。该工具提供菜单栏快捷访问、全局快捷键和自定义词库等功能，并支持自动化操作和URL scheme集成。TRex适用于各种工作和学习场景，能够快速、准确地获取文本信息。

LayoutParser提供多种深度学习模型和统一API，简化文档图像分析任务。支持布局检测、OCR、数据可视化等功能，并允许共享模型和分析流程。安装简便，可根据需求选择依赖项，是文档图像处理的理想工具。

Bob为macOS用户提供全方位的翻译与OCR解决方案，支持文本、截图、输入及OCR翻译等多样化功能。整合了主流翻译引擎，如Google翻译和腾讯翻译君，确保准确快速地完成翻译任务。其高效的OCR技术，适用于多种应用场景，简化了文本识别过程。Bob的简洁界面和强大功能，使其成为提升Mac用户工作效率的优选工具。

STranslate是一款多功能的翻译和OCR工具，基于WPF开发，满足各种翻译和文字识别需求。用户可以下载最新版本并参阅使用文档获取帮助。项目提供讨论社区，向所有贡献者和灵感来源致谢，并欢迎通过微信或支付宝进行捐赠支持。

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。

AIAS提供多种图像识别和自然语言处理SDK，包括OCR工具、动物分类、单目深度估计等图像处理功能，以及词向量、机器翻译、情感分析等自然语言处理应用。该项目旨在提升开发效率，满足多种业务需求。

Marker是一款高效的PDF转Markdown转换工具，支持多语言和多类文档，特别适合处理书籍和科学论文。该工具能自动清理页眉页脚，格式化表格和代码，提取图像，并将方程转为LaTeX。Marker可在GPU、CPU或MPS上运行，具有优异的性能和准确度。其独特的深度学习模型流程确保了转换的速度和质量。

Marker API是一款性能卓越的PDF转Markdown工具，支持多语言和多种文档类型。该工具能精准提取文本、表格、代码块和图片，通过深度学习模型实现高速转换，尤其适用于学术论文、技术文档等复杂PDF的转换。与同类产品相比，转换速度提升4倍。Marker API部署简便，适用于GPU和CPU环境，为PDF文档处理提供灵活选择。

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。

GoPDF是综合性在线PDF平台，提供编辑、转换、合并等多种功能。支持文本图像编辑、表单填签、OCR识别，特色AI文档对话功能。还可HTML转PDF、添加页眉页脚。界面直观、服务安全可靠，全天候支持，为用户带来便捷PDF管理体验。

OLOCR是一个免费且无限制的在线OCR文字识别服务平台。支持英文OCR和多种语言的图像转文字及PDF文档识别，提供批量处理功能。可轻松上传图片或PDF文件，实现快速、准确的文本提取。适用于需要大规模文字识别的个人和企业，为文档数字化和信息提取提供便捷解决方案。

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。

PanelCleaner 是一款开源的漫画文本清理工具，采用机器学习技术精确识别文本区域并生成高质量遮罩。该工具能自动清理简单对话气泡，支持批量处理和自定义清理参数，并提供OCR文本提取功能。通过直观的图形界面，PanelCleaner 可大幅提高漫画翻译效率，减少重复性工作，同时避免误删非文本内容。

该项目整合了OCR领域的多种前沿工具和技术，涵盖图像校正、文本检测、表格识别和手写识别等方面。它提供了从预处理到后处理的完整OCR解决方案，包含大量开源实现和相关研究论文链接。这个资源库对从事文档分析和文本提取的开发者及研究人员具有重要参考价值。

PaddleOCR旨在为开发者提供一套丰富、领先且实用的OCR工具库，帮助开发者快速训练并部署OCR模型。它不仅支持中英文识别，还支持多语言和多硬件平台，包括最新的PP-OCRv4模型，有效提高了中英文场景下的识别精确度。适用于移动端和服务器端，适配多种开发需求。

Easydict是专为macOS开发的词典翻译工具，提供词汇查找、全文翻译和OCR识别功能。整合了多种翻译平台，包括有道、苹果系统词典和Google。涵盖48种语言，并配备自动语种识别与智能查询，实现便捷高效的翻译体验。

receipt-scanner使用OpenAI技术，支持从图像、PDF和电子邮件中提取结构化的收据数据。此工具适用于Laravel应用，具备OCR功能并支持多种输入格式，如纯文本、Word文档和网页内容。用户通过简单配置，可将复杂的收据数据转换为可操作的信息，从而提高数据处理效率。

docTR提供高效、准确的OCR解决方案，支持PDF和图像文件，基于TensorFlow 2和PyTorch。能快速检测识别文档文字，并提供多种处理旋转文档选项。用户可使用预训练模型快速上手或自定义架构。解析结果可视化且支持导出为JSON格式，方便后续处理和分析。

ddddocr是一个开源的验证码识别库，支持基础OCR、目标检测和滑块识别等多种功能。该项目采用深度学习技术，无需针对特定验证码训练，具有通用性强的特点。ddddocr支持Windows、Linux和MacOS等主流操作系统，提供Python接口便于集成。项目设计注重简化配置和使用流程，为开发者提供了一个高效的验证码识别工具。

Surya是一个开源文档OCR工具包，支持90多种语言的文本识别，性能可与云服务媲美。它提供行级文本检测、布局分析和阅读顺序检测等功能，适用于多种文档类型。Surya不仅识别文本，还能分析文档结构，为文档解析提供全面解决方案。该工具适合研究和个人使用，商业使用需注意相关许可条件。

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。

macosrec是一款面向macOS系统的命令行工具，提供窗口截图、视频录制和OCR文字识别功能。用户可通过命令列出可操作窗口，选择目标窗口进行截图或录制，并支持PNG、GIF和MOV格式输出。该工具还能识别屏幕区域或图像中的文字，适用于开发者和普通用户。

Keep It Shot是一款Mac平台应用，通过AI技术为截图自动生成描述性名称。该应用创建离线且私密的搜索索引，支持关键词快速定位截图。功能包括批量重命名、自动重命名、OCR识别和快速搜索，有助于高效管理媒体文件。Keep It Shot提供智能、可搜索的文件管理方案，适用于需要组织大量截图的用户。

NoteButler是一款Notion插件，通过OCR技术和AI摘要功能，使PDF文档在Notion中变得可搜索。该工具还支持网站、YouTube视频和播客内容的摘要生成，大大提升了Notion的文档管理效率。NoteButler不存储用户数据，确保了信息安全。它为Notion用户提供了一种简单有效的方式，使原本难以检索的内容变得易于查找和访问，从而增强了Notion的整体功能。

Text Grab是一款Windows平台的OCR工具，可从屏幕、图像和视频中提取文本。它提供全屏抓取、框选抓取、文本编辑和快速查找等功能，支持本地OCR识别，无需后台运行。该工具还具备文本处理、正则提取和批量图像OCR等功能，适用于提高文字工作效率。

gosseract是一个Go语言OCR包，利用Tesseract C++库实现光学字符识别。它支持多种图像格式，提供简单API和丰富配置选项。项目包含一个可快速部署的OCR服务器应用，适用于文档数字化、图像文本提取等场景。gosseract支持多语言识别，可轻松集成到各类Go项目中。

LARS是一个开源应用，允许在本地设备运行大型语言模型（LLM），支持上传个人文件，以及通过检索增强生成（RAG）技术增强对话准确度和减少生成误差。特点包括精确文献引用、多种文件格式支持、全历史聊天记录和GPU加速。用户可以自定义LLM设置，优化使用体验。

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。

Octopii是一款基于OCR和NLP技术的工具，能够高效扫描图像、PDF和文件中的政府ID、地址和电邮等敏感信息。支持多种扫描方式，包括本地文件系统、S3 URLs及Apache公开目录，帮助用户检测和防止个人信息泄露，增强数据安全性。

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。

tessdata项目是Tesseract.js的多语言OCR数据集仓库。它提供了LSTM和传统OCR引擎的训练文件，包括默认和替代版本。项目详细说明了各数据集特点、NPM包发布状态，并介绍了通过CDN或本地方式集成到Tesseract.js的方法。这一资源为开发者提供了全面的OCR语言数据集使用指南。

Tarsier是一个为网络交互AI代理开发的视觉工具包。它利用智能标记和OCR技术将网页内容转化为结构化文本，使AI能够理解网页布局。该工具支持多种OCR引擎，提供易用的API，帮助开发者为AI代理增添网页感知能力，提高自动化网络任务的效率。

Texify是一个开源OCR模型，可将含数学公式的图像或PDF转换为Markdown和LaTeX格式。支持块级和内联公式，兼容CPU、GPU和MPS。基于多样化数据集训练，相较其他开源工具准确度更高。提供GUI、命令行和Python API，适用于多种场景。

LightPDF是一个功能全面的在线PDF处理平台,集成AI技术提供编辑、转换、OCR、签名、注释等服务。支持跨平台使用,包括桌面、移动和网页版。平台提供云存储功能,便于随时访问文件。同时为开发者提供PDF API和SDK解决方案。LightPDF适用于个人和企业用户,能满足各种PDF处理需求,有效提升工作效率。

GetSearchablePDF提供PDF文档OCR转换服务，将扫描或图像PDF转为可搜索文本。用户通过拖放操作即可在短时间内完成转换。网站提供免费试用和多种付费方案，满足不同需求。处理后文件自动删除，保障数据安全。这是一个高效、便捷的PDF文档数字化解决方案。

StructiFi是一个基于AI技术的文档数据提取平台，利用OCR和智能算法从图片、PDF和Word文档中精确提取结构化信息。平台支持将数据转换为JSON、表格等格式，适用于手写表单、收据、发票和展会目录等多种场景。StructiFi通过AI驱动的数据处理流程，为企业和个人用户提供高效的数据数字化、提取和分析解决方案，简化日常工作流程。

TextRecognitionDataGenerator是一款开源的文本识别数据生成工具。支持多种语言如拉丁文、中文和日文等，可自定义字体、背景、文本扭曲和模糊效果。工具提供命令行界面和Python模块，便于集成到训练流程中。适用于OCR和文本识别模型的数据集制作，支持手写体文本生成功能。

Papermerge开源文档管理系统专注于扫描文档处理和长期存储。系统集成OCR文本提取、全文搜索、现代化文件浏览等核心功能。支持多种文档格式，提供REST API和版本控制。作为基于Web的解决方案，Papermerge适用于需要高效数字文档管理的各类场景。