Ollama OCR: Extracting Text from Images Using Visual Models in Ollama
综合介绍 Ollama OCR是一个强大的光学字符识别(OCR)工具包，它利用Ollama平台提供的最先进视觉语言模型来从图像中提取文本。该项目既可作为Python包使用，也提供了用户友好的Strea...
Sorting
Docling: support for a variety of formats document parsing and export as Markdown and JSON, PDF support OCR
综合介绍 Docling 是一个强大的文档解析和导出工具，支持多种文档格式，包括 PDF、DOCX、PPTX、XLSX、图像、HTML、AsciiDoc 和 Markdown。它能够将这些文档解析并导...
Umi-OCR: open source offline OCR software, batch image recognition and PDF recognition
Umi-OCR 综合介绍 Umi-OCR是一款开源、免费的离线OCR软件，支持截屏、批量导入图片、PDF文档识别、排除水印和页眉页脚、扫描和生成二维码。该软件内置多国语言库，适用于Windows和Li...
Surya: professional multilingual document OCR tool, open source native deployment
综合介绍 Surya是一个开源的多语言文档OCR工具包，支持90多种语言的文本识别。它不仅能够进行逐行文本检测，还能进行布局分析、阅读顺序检测和表格识别。Surya的性能与云服务相媲美，适用于各种类型...
MinerU: PDF document extraction and conversion to multimodal Markdown format, support e-book OCR scanning
综合介绍 MinerU是由上海人工智能实验室OpenDataLab团队开发的一款开源数据提取工具，专注于从复杂的PDF文档、网页和电子书中高效提取内容。它能够将包含图片、公式、表格等元素的多模态PDF...
Pix2Text: open source free image text recognition tool
Pix2Text 综合介绍 Pix2Text (P2T) 是一个开源的免费工具，旨在替代 Mathpix，提供图片文字和数学公式识别功能。用户可以通过网页版免费使用该工具，每天最多识别 10000 个...
PixPin: long and dynamic screenshots, built-in native text recognition (OCR)
综合介绍 PixPin是一款功能强大的截图和贴图工具，旨在提升用户的工作效率。无论是日常办公还是专业需求，PixPin都能提供便捷的截图、贴图、长截图、文字识别（OCR）和动态截图功能。其简洁的界面和...
GOT-OCR2.0: end-to-end multimodal OCR model based on QWen2 0.5B
综合介绍 GOT-OCR2.0是一个阶跃星辰联合推出de 开源光学字符识别（OCR）模型，旨在通过一个统一的端到端模型推动OCR技术向OCR-2.0迈进。该模型支持多种OCR任务，包括普通文本识别、格...
ScreenPipe: 24-hour collection of recorded screen and operation information and converted into a local knowledge base, through the AI assistant conversation, summarize, review knowledge
General Description ScreenPipe is an AI assistant tool developed by mediar-ai that specializes in recording screen content, capturing screenshots and audio 24/7. It combines rewind.ai and cursor.com's...
PaddleOCR: A multi-language OCR tool library based on Flying Paddle, supporting recognition of more than 80 languages
综合介绍 PaddleOCR 是一个基于 PaddlePaddle 的多语言 OCR 工具包，旨在提供实用且超轻量级的 OCR 系统。它支持超过 80 种语言的识别，并提供数据标注和合成工具，支持在服...
Datalab: dedicated OCR recognition AI model, PDF to Markdown (open source/API)
综合介绍 Datalab 提供了一系列先进的AI模型，专注于OCR、布局分析、PDF转Markdown等功能。这些模型不仅性能卓越，而且易于使用，并且是开源的。平台上的Marker模型可以快速准确地将...
Text Extraction API (text-extract-api): visual extraction of text information, anonymized PDF extraction tool
综合介绍 文本提取API（text-extract-api）是一个强大的工具，旨在从各种文档格式（如PDF、Word、PPTX等）中提取和解析内容。该API利用最先进的光学字符识别（OCR）技术和Ol...
Llama OCR: OCR library that converts images to Markdown in three lines of code using the free Llama 3.2 Vision interface
综合介绍 Llama OCR 是一个基于 Llama 3.2 Vision 的 OCR（光学字符识别）库，能够将文档转换为 Markdown 格式。该库由 Nutlope 开发，使用 Together...
Image to Excel Free Tool: Efficiently Recognize Complex Format Tables in Images and Convert to Excel File
综合介绍 图片转Excel免费工具是一款高效的在线工具，能够快速准确地识别并转换图片中的表格数据至Excel文件。该工具支持多种图片格式，如JPG和PNG，并且可以在网页、iOS应用和Android应...
TTime: Picture Your Text Recognition and Text Translation Software
TTime 综合介绍 TTime 是由 InkTimeRecord 发布在 GitHub 上的项目，是一款简洁高效的翻译软件。它主要提供输入、截图、划词及悬浮球翻译等功能，支持多种翻译源和文字识别服务...
Chunkr: An All-in-One Service for Document Ingestion and Intelligent Chunking Based on Text Paragraph Hierarchy Using Visual Models
综合介绍 Chunkr 是一个自托管的 API，专门用于将 PDF、PPTX、DOCX 和 Excel 文件转换为适合 RAG（检索增强生成）和 LLM（大语言模型）使用的数据。该项目由 Lumina...
eSearch: Multi-functional cross-platform OCR tool, integrated search | translation | search map | screen recording and other functions
综合介绍 eSearch 是一款由 xushengfeng 开发的开源跨平台截图工具，支持 Windows、macOS 和 Linux 系统。它集成了多种功能，包括截图、OCR 识别、搜索、翻译、贴图...
ViTLP: Extracting Structured Data from Typographically Complex PDF Documents and Visually Guided Generation of Text Layout Pre-training Models
综合介绍 ViTLP（Visually Guided Generative Text-Layout Pre-training for Document Intelligence）是一个开源项目，旨在通...
VisionParser: OCR tool for high-precision processing of receipts and invoices, API available
综合介绍 VisionParser是一款专为处理收据和发票而设计的OCR（光学字符识别）工具。通过先进的生成式AI技术，VisionParser能够快速、准确地将各种收据和发票转换为结构化数据，适用于...
English 
简体中文 
日本語 
한국어 
Español 
Deutsch 
Français 
Português do Brasil