AIプロフェッショナル・ツール

dots.ocr: 多言語文書レイアウト解析のための統一された視覚言語モデル

dots.ocrは、レイアウト検出とコンテンツ認識の両方が可能な、1.7Bパラメータの視覚言語モデル（VLM）に基づいた強力な多言語文書解析ツールです。OmniDocBenchなどのベンチマークにおいて、特にテキスト、表、読み順の構文解析において最先端の性能を発揮します。

SnippAI：AIを使ってスクリーンショットの内容を認識・分析するツール

SnippaiはAIベースのスクリーンショットツールで、高度なAIアルゴリズムによってスクリーンショット体験を向上させるように設計されています。画面の内容をキャプチャするだけでなく、スクリーンショット内の数式、テキスト、表、画像などをインテリジェントに分析・変換します。ユーザーはSnippaiを使って、複雑な視覚情報をプログラム可能な...

AI Fast Station：ワンクリックでOCRモデルを比較できる文書解析ツール

AI Fast Stationは、文書や画像のインテリジェントな解析に焦点を当てた、無料のオープンソースOCRモデルアリーナです。ユーザーはPDFや画像ファイルをアップロードし、ワンクリックで7つの主流OCRモデルを比較することで、素早く適切な解析ソリューションを見つけることができます。このサイトは、様々な形式のファイルをサポートし、複雑なインストールなしで簡単に操作できます。

OCRmyPDF: スキャンしたPDFをオープンソースツールの検索可能なテキストへ

OCRmyPDFは、スキャンしたPDFファイルに光学式文字認識(OCR)テキストレイヤーを追加し、検索可能で再現可能なドキュメントに変換するために設計されたオープンソースのコマンドラインツールです。Python開発に基づいており、Tesseract OCRエンジンを使用して、画像内のテキストを正確に識別し、PDFファイルに埋め込むことができます。

Docstrange: ドキュメントや画像からデータを抽出し、複数のフォーマットに変換するツール。

Docstrangeは、複数のフォーマットの文書や画像からデータを抽出し、Markdown、JSON、CSV、HTMLなどのフォーマットに変換することに重点を置いたオープンソースの文書処理ツールです。人工知能と高度なOCR技術を使用し、PDF、Word文書、Exce...

Guava Intelligent Document Recognition: オフライン文書・フォームのインテリジェント認識ツール

Guavaインテリジェント文書認識（intelligent_document_recognition）は、開発者のjiangnanboyによって開発されたオープンソースのデスクトップソフトウェアで、GitHubでホストされています。このソフトウェアは、光学式文字認識（OCR）とフォームジャンクションを統合しています...

OCRFlux: PDFや画像をMarkdownに変換する軽量ツール

OCRFluxは、PDFファイルや画像をクリアなMarkdownフォーマットに変換することに特化した、オープンソースの軽量ツールです。ChatDOCチームによって開発され、3Bのパラメータを持つ大規模なマルチモーダルモデル上に構築され、GTX 3090のような一般的なハードウェア上で実行することができます。このツールは、複雑なドキュメント・レイアウトの扱いに優れています。

VOP: 複雑な図や数式を抽出するOCRツール

Versatile OCR Programは、複雑な学術・教育文書を処理するために設計されたオープンソースの光学式文字認識（OCR）ツールです。PDF、画像、その他の文書からテキスト、表、数式、図、回路図を抽出し、機械学習の学習に適した構造化データを生成することができます。サポート...

PDFコンテンツを自動的に解析し、オープンソースサービスのテキストとテーブルを抽出します。

それは自動的にPDF文書のレイアウトを分析し、ページ内のテキスト、タイトル、画像、表、数式やその他の要素を識別し、それらの正しい順序を決定します。このツールはOCR機能をサポートしており、スキャンしたPDFを検索可能なテキストに変換することができます。Docker上で動作し、2つのモデルを提供します：ビジュアルモデル（Vision Grid ...

ボブ

BobはmacOSプラットフォーム用に設計された翻訳・OCR（光学式文字認識）ソフトウェアです。Bobは、Volcano、Tencent、Ali、Baidu、Youdao、Apple、Google、Microsoft、...など、さまざまな翻訳サービスに対応しており、あらゆるアプリケーションで翻訳とOCR操作を行うことができます。

Ollama OCR: Ollamaの視覚モデルを使った画像からのテキスト抽出

Ollama OCRは、Ollamaプラットフォームが提供する最先端の視覚言語モデルを利用して画像からテキストを抽出する、強力な光学式文字認識（OCR）ツールキットです。このプロジェクトはPythonパッケージとして提供されており、ユーザーフレンドリーなStreamlitウェブアプリケーションインターフェースを提供しています。様々な視覚モデルをサポートしている。

ドック2X

Doc2Xは強力な文書画像数式認識・変換ツールで、効率的でインテリジェントな文書処理ソリューションを提供することに専念しています。学術研究論文、教科書、企業文書、財務報告書など、Doc2XはPDF内の表や数式を正確に認識し、ワンクリックでWordに変換することができます。

STranslate

STranslateは、WPFによって開発されたすぐに使用できる翻訳とOCRツールです。このツールは、幅広い言語とテキストタイプに対して、効率的で便利な翻訳と光学式文字認識（OCR）機能を提供するように設計されています。STranslateはオープンソースプロジェクトであり、ユーザーは無料でダウンロードして使用することができます。

Llama OCR: 3行のコードで画像をMarkdownに変換するOCRライブラリ。

Llama OCRは、Llama 3.2 VisionをベースにしたOCR（光学式文字認識）ライブラリで、文書をMarkdown形式に変換します。このライブラリーはNutlopeによって開発され、Together AIがグラフ用に提供する無料のLlama 3.2インターフェースを使用しています。

イージーディクト

Easydictは、macOSユーザー向けのシンプルでエレガントな辞書翻訳アプリです。複数の翻訳サービスとオフラインOCR認識のサポートにより、単語を調べたりテキストを翻訳したりするのが簡単になります。Easydictは、入力翻訳、スワイプ翻訳、スクリーンショット翻訳をサポートし、便利な多言語翻訳を提供します。

Datalab：専用のOCR認識AIモデル、PDF to Markdown（オープンソース/API）

Datalabは、OCR、レイアウト分析、PDFからMarkdownへの変換などに焦点を当てた高度なAIモデルを幅広く提供しています。これらのモデルは高性能であるだけでなく、使いやすくオープンソースです。プラットフォーム上のMarkerモデルは、表や数式を含むPDFを素早く正確にMarkdownに変換することができます。

TTime

InkTimeRecordがGitHubで公開しているプロジェクトTTimeは、シンプルで効率的な翻訳ソフトウェアです。主に入力、スクリーンショット、ストローク、ホバーボールの翻訳機能を提供し、複数の翻訳ソースやテキスト認識サービスをサポートしているため、ユーザーは言語変換やテキスト認識を素早く行うことができます。さらに、TT...