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

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。

Image to Text Converter - 将图片转换为可编辑文本的多功能OCR工具

AI工具OCR技术图像转文本多语言支持数据安全文字提取

这款在线OCR工具能够快速准确地从图片中提取文字。支持多种图片格式和多语言识别，可一次上传多张图片。界面友好且完全免费，无需注册。广泛应用于教育、研究和数据输入等领域，提高工作效率。用户只需上传图片并点击转换，即可获取可编辑的文本内容。

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。

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。

mmocr - 一个基于 PyTorch 和 mmdetection 的用于文本检测、文本识别以及相应的下游任务，包括关键信息提取的开源工具箱

GithubMMOCROpenMMLabPyTorch开源项目文本检测文本识别

MMOCR是一个基于PyTorch和mmdetection的开源工具箱，提供全面的文本检测、文本识别及信息提取解决方案。它支持多种先进模型和模块化设计，允许用户自定义优化器、数据预处理和模型组件。最新版本v1.0.0新增支持SCUT-CTW1500、SynthText和MJSynth数据集，更新了FAQ和文档，并添加了新教程笔记本。适用于PyTorch 1.6+，欢迎研究人员和开发者贡献改进。

ocrs - 基于Rust的开源OCR引擎和命令行工具

GithubOCRONNXRust图像文字提取开源项目机器学习

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。

nlm-ingestor - 多格式文档解析器助力RAG优化

Apache TikaGithubHTML解析PDF解析RAGnlm-ingestor开源项目

nlm-ingestor是一个开源的文档解析工具，专门针对RAG(检索增强生成)进行了优化。它支持PDF、HTML和文本等多种格式，提供章节划分、段落链接和表格识别等精确的内容结构化功能。该项目整合了改进版Apache Tika和OCR技术，能够高效处理大型文档。nlm-ingestor不依赖特殊硬件，为开发者提供了强大的基础设施，有助于提高LLM项目的检索和生成性能。

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。

AdvancedLiterateMachinery - 赋予机器高级智能的先进读写系统

ALMGithubOCR场景文字识别开源项目文档理解视觉语言预训练

AdvancedLiterateMachinery是一个致力于构建高级智能系统的开源项目，旨在赋予机器阅读、思考和创造能力。项目由阿里巴巴集团同义实验室的读光OCR团队维护，涵盖文本识别、文档理解和信息提取等领域。目前，项目专注于开发从图像和文档中读取信息的技术，包含OmniParser、GEM和DocXChain等创新模型，推动人工智能技术的发展。

naps2 - 跨平台文档扫描应用支持多种格式输出

GithubNAPS2OCRPDF开源项目文档扫描跨平台

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。

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