OCR

dots.ocr 是一个强大的多语言文档解析工具，基于 1.7B 参数的视觉-语言模型（VLM），能够同时进行布局检测和内容识别。它在 OmniDocBench 等基准测试中展现了最先进的性能，特别是在文本、表格和阅读顺序解析方面...

Snippai 是一个基于人工智能的截图工具，旨在通过先进的AI算法提升截图体验。它不仅能捕捉屏幕内容，还能对截图中的公式、文本、表格、图像等进行智能分析和转换。用户可以通过Snippai将复杂的视觉信息转化为可编...

AI快站是一个免费的开源OCR模型竞技场，专注于文档和图片的智能解析。用户可以上传PDF或图片文件，通过一键对比七大主流OCR模型，快速找到适合的解析方案。网站支持多种格式文件，操作简单，无需复杂安装。AI快站...

Docstrange 是一个开源的文档处理工具，专注于从多种格式的文档和图片中提取数据，并将其转换为 Markdown、JSON、CSV 或 HTML 等格式。它利用人工智能和先进的 OCR 技术，支持处理 PDF、Word 文档、Exce...

番石榴智能文档识别（intelligent_document_recognition）是由开发者 jiangnanboy 开发的开源桌面软件，托管于 GitHub，专注于离线处理文档和表格的智能识别。软件整合了光学字符识别（OCR）和表格结...

OCRFlux 是一个开源的轻量工具，专注于将 PDF 文件和图像转换为清晰的 Markdown 格式。它由 ChatDOC 团队开发，基于 3B 参数的多模态大模型构建，能在普通硬件如 GTX 3090 上运行。工具擅长处理复杂文档布局，...

Versatile OCR Program 是一个开源的光学字符识别（OCR）工具，专门为处理复杂的学术和教育文档设计。它能从PDF、图像等文件中提取文本、表格、数学公式、图表和示意图，并生成适合机器学习训练的结构化数据。支...

它能自动分析PDF文档的布局，识别页面中的文字、标题、图片、表格、公式等元素，并判断它们的正确顺序。工具支持OCR功能，可以把扫描PDF转为可搜索文本。它基于Docker运行，提供两种模型：视觉模型（Vision Grid ...

RolmOCR 是由 Reducto AI 团队开发的一款开源光学字符识别（OCR）工具，基于 Qwen2.5-VL-7B 视觉语言模型。它能从图片和 PDF 文件中提取文字，速度比同类工具 olmOCR 更快，内存占用更低。RolmOCR...

uniOCR 是一个开源的文字识别工具，由 mediar-ai 团队开发。它基于 Rust 语言编写，支持 macOS、Windows 和 Linux 系统。用户可以通过它从图片中提取文字，操作简单且免费。uniOCR 的核心特点是跨平台支...

PDF Craft 是一个开源工具，专为扫描书籍的PDF设计，能将其转换为Markdown格式。它由 oomol-lab 开发，托管在 GitHub 上，适合喜欢整理电子书的用户。工具通过本地AI模型运行，无需联网，既保护隐私又方便操作。....

SmolDocling 是由 ds4sd 团队与 IBM 合作开发的一个视觉语言模型（VLM），基于 SmolVLM-256M 打造，托管在 Hugging Face 平台。它体积小，只有 256M 参数，却是全球最小的 VLM。它的核心功...

在人类文明的历史长河中，每一次信息获取和解析方式的飞跃，都深刻地推动着社会进步。从远古的象形文字，到便携的纸莎草，再到后来出现的印刷术以及当今的数字化浪潮，每一次技术革新都极大地拓展了人类知识的传...

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Streamlit网页应用程序界面。它支持多种视觉模...

STranslate 是一个由 WPF 开发的即用即走的翻译和 OCR 工具。该工具旨在提供高效、便捷的翻译和光学字符识别（OCR）功能，适用于各种语言和文本类型。STranslate 是开源项目，用户可以自由下载和使用，同时也接受...

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，适用于零售、餐饮、B2B服务等多种业务场景。...

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 AI Inc. 开发，利用先进的视觉模型进行文档...

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 AI 提供的免费 Llama 3.2 接口进行图...

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出为 HTML、Markdown 和 JSON 格...