surya

开源多语言文档识别与分析工具

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。

访问官网

Github

文档

介绍相关项目

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。

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。

llmsherpa - PDF智能解析与大语言模型应用框架

GithubLLM SherpaLayoutPDFReaderPDF解析向量搜索开源项目文档结构分析

LLM Sherpa是一个开源项目，提供LayoutPDFReader工具用于智能解析PDF文档结构，包括章节、段落和表格。该工具支持精确分块并保留上下文信息，适用于向量搜索和生成式AI应用。项目提供API接口，便于集成到各类大语言模型应用中，如问答系统和文本摘要。LLM Sherpa简化了PDF处理流程，为开发者提供了高效的大语言模型应用开发框架。

keras-ocr - 基于Keras的开源文本检测和OCR解决方案

Githubkeras-ocr图像处理开源项目文字识别深度学习计算机视觉

keras-ocr是一个开源的文本检测和OCR工具包，集成了CRAFT检测模型和CRNN识别模型。该项目提供高级API用于训练和部署OCR流程，支持Python 3.6+和TensorFlow 2.0.0+环境。keras-ocr自带预训练模型，在COCO-Text验证集上表现接近主流云服务。它为开发者提供了一个灵活、高效且易于使用的OCR开发平台。

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。

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。

Handwriting OCR - AI多语言手写文本识别与数字化平台

AI增强AI工具多语言支持手写OCR文本识别文档数字化

这是一款专业的手写文本识别和数字化工具，采用先进的AI驱动OCR技术。支持300多种语言，将手写文档快速转换为数字文本，错误率低于1%。提供AI增强的格式化结果，适用于人力资源、法律、医疗等多个行业。用户可通过云端仪表板上传文档，轻松导出为Word或Excel格式，显著提高工作效率和准确性。

gImageReader - 基于tesseract-ocr的开源图像文字识别工具支持多格式处理

GithubOCR软件PDF处理gImageReadertesseract-ocr图像识别开源项目

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。

papermage - 统一工具包助力处理表示和操作视觉文档

GithubPDF解析papermage实体识别开源项目数据结构文档处理

papermage是一款专门用于处理PDF文档的开源工具包。它能够创建Document对象、解析文档结构、提取文本和元数据。该工具支持多层次文档分割，包括页面、行和句子等，并可在不同层次间自由导航。papermage允许保存和加载Document对象，还支持通过自定义预测器进行功能扩展。这个统一平台为处理、表示和操作视觉丰富的文档提供了便利。

ddddocr - 多功能验证码识别库支持OCR与目标检测

DdddOcrGithubOCR开源项目滑块检测目标检测验证码识别

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。

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