EasyOCR

支持80多种语言文字识别工具

EasyOCR OCR Pytorch CRNN DBnet Github 开源项目

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。

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。

manga-ocr-base - 高精度日语漫画OCR模型支持多场景文本识别

GithubHuggingfaceManga OCR图像文本转换开源项目日本漫画日语文字识别模型视觉编码器解码器

manga-ocr-base是一款专为日语漫画开发的OCR模型，采用Vision Encoder Decoder框架。它不仅能识别垂直和水平文本，还可处理带振假名的文字和图像上的叠加文字。该模型适用于多种字体和样式，并能在低质量图像中保持高识别率。除漫画外，它还可用于一般日语印刷文本识别。该开源项目已在GitHub上发布，为日语文本识别领域提供了新的解决方案。

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。

doctr-crnn-vgg16-bn-fascan-v1 - VGG16-CRNN文字识别模型

GithubHuggingfaceOCR技术PyTorchTensorFlow图像识别开源项目模型深度学习

doctr-crnn-vgg16-bn-fascan-v1是一个基于CRNN架构的文字识别模型，采用VGG16作为特征提取网络。模型通过DocumentFile接口支持图像处理，结合灵活的检测架构选择机制，可实现文档OCR任务。该实现同时支持TensorFlow 2和PyTorch框架，便于开发者快速部署和使用。

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。

AI Image Translator - AI图片翻译工具支持130多种语言并保留原文格式

AI图像翻译AI工具OCR技术图像背景修复多语言支持文本格式保持

AI Image Translator是一款图片翻译工具，能识别图片中的文本并翻译成130多种语言，同时保留原始格式。支持多种图片格式，提供背景修复和文本编辑功能。适用于电商产品图、广告和技术图表等场景。用户只需三步即可完成图片翻译，提高跨语言沟通效率。该工具还支持批量处理和工作区保存，方便后续修改。

LaTeX_OCR_PRO - 基于深度学习的多语言数学公式识别系统

AttentionGithubLaTeX_OCR_PROSeq2Seq开源项目数学公式识别机器学习

LaTeX_OCR_PRO是一个开源的数学公式识别项目，结合Seq2Seq、Attention和Beam Search技术，实现了对标准、中文及手写数学公式的高精度识别。项目提供完整的环境配置、数据处理、模型训练和评估流程，在多项性能指标上达到业界领先水平。此外，LaTeX_OCR_PRO还支持训练过程和注意力机制的可视化，为相关研究和应用开发提供了有力支持。

zerox - 基于视觉模型的创新文档数字化工具

AIGPTGithubMarkdownZerox OCR开源项目文档处理

Zerox OCR是一款基于视觉模型的文档处理工具，通过将PDF转换为图像并使用GPT模型生成Markdown文本，有效处理复杂布局、表格和图表。与传统OCR服务相比，Zerox在准确度和表格处理方面表现出色，同时保持价格竞争力。该工具支持多种输入方式，提供灵活配置，为文档数字化提供了简单高效的解决方案。

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。

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