OCR

O dots.ocr é uma ferramenta avançada de análise de documentos multilíngues, baseada em um modelo visual-linguístico (VLM) de 1,7 bilhão de parâmetros, capaz de detectar o layout e reconhecer o conteúdo. Ele demonstra desempenho de última geração em benchmarks como o OmniDocBench, especialmente na análise de texto, tabela e ordem de leitura...

O Snippai é uma ferramenta de captura de tela baseada em IA, projetada para aprimorar a experiência de captura de tela por meio de algoritmos avançados de IA. Ele não apenas captura o conteúdo da tela, mas também analisa e converte de forma inteligente fórmulas, textos, tabelas, imagens e muito mais na captura de tela. Os usuários podem usar o Snippai para transformar informações visuais complexas em...

O AI Fast Station é uma arena de modelos de OCR de código aberto e gratuito que se concentra na análise inteligente de documentos e imagens. Os usuários podem carregar arquivos PDF ou de imagem e encontrar rapidamente uma solução de análise adequada, comparando os sete principais modelos de OCR com um clique. O site é compatível com vários formatos de arquivos, é fácil de operar e não requer instalações complexas.

O Docstrange é uma ferramenta de processamento de documentos de código aberto que se concentra em extrair dados de documentos e imagens em vários formatos e convertê-los em formatos como Markdown, JSON, CSV ou HTML. Ele usa inteligência artificial e tecnologia OCR avançada, suporte para processamento de documentos PDF, Word, Exce...

O Guava Intelligent Document Recognition (intelligent_document_recognition) é um software de desktop de código aberto desenvolvido pelo desenvolvedor jiangnanboy, hospedado no GitHub, com foco no reconhecimento inteligente de documentos e formulários de processamento off-line. O software integra o reconhecimento óptico de caracteres (OCR) e a junção de formulários...

O OCRFlux é uma ferramenta leve e de código aberto voltada para a conversão de arquivos PDF e imagens em um formato Markdown claro. Ela foi desenvolvida pela equipe do ChatDOC, com base em um grande modelo multimodal com 3B parâmetros, e pode ser executada em hardware comum, como a GTX 3090. A ferramenta é excelente para lidar com layouts de documentos complexos,...

O Versatile OCR Program é uma ferramenta de reconhecimento óptico de caracteres (OCR) de código aberto projetada para processar documentos acadêmicos e educacionais complexos. Ele pode extrair texto, tabelas, fórmulas matemáticas, diagramas e esquemas de PDFs, imagens e outros documentos e gerar dados estruturados adequados para treinamento de aprendizado de máquina. Suporte...

Ele analisa automaticamente o layout de documentos PDF, identifica texto, títulos, imagens, tabelas, fórmulas e outros elementos na página e determina sua ordem correta. A ferramenta é compatível com a funcionalidade OCR e permite converter PDFs digitalizados em texto pesquisável. Ela é executada no Docker e oferece dois modelos: modelo visual (Vision Grid ...

O RolmOCR é uma ferramenta de reconhecimento óptico de caracteres (OCR) de código aberto desenvolvida pela equipe da Reducto AI, com base no modelo de linguagem visual Qwen2.5-VL-7B. Ela pode extrair texto de imagens e arquivos PDF mais rapidamente do que ferramentas semelhantes, como o olmOCR, e ocupa menos memória.

O uniOCR é uma ferramenta de reconhecimento de texto de código aberto desenvolvida pela equipe mediar-ai. Ela é baseada na linguagem Rust e é compatível com os sistemas macOS, Windows e Linux. Os usuários podem usá-lo para extrair texto de imagens, fácil de operar e gratuito. Os principais recursos do uniOCR são o suporte a várias plataformas...

O PDF Craft é uma ferramenta de código aberto projetada para digitalizar PDFs de livros e convertê-los para o formato Markdown. Ela foi desenvolvida pela oomol-lab e hospedada no GitHub para usuários que gostam de organizar seus eBooks. A ferramenta é executada por meio de um modelo de IA local e não requer conexão com a Internet, o que protege a privacidade e facilita a operação. ....

O SmolDocling é um modelo de linguagem visual (VLM) desenvolvido pela equipe do ds4sd em colaboração com a IBM, com base no SmolVLM-256M, hospedado na plataforma Hugging Face. O SmolDocling é o menor VLM do mundo, com apenas 256 milhões de parâmetros, e sua função principal é...

Na longa história da civilização humana, cada salto na forma como as informações são adquiridas e analisadas impulsionou profundamente o progresso social. Desde os antigos hieróglifos, passando pelo papiro portátil, até o surgimento posterior da prensa tipográfica e a atual onda digital, cada inovação tecnológica expandiu enormemente a transmissão do conhecimento humano...

O Ollama OCR é um poderoso kit de ferramentas de reconhecimento óptico de caracteres (OCR) que utiliza o modelo de linguagem visual de última geração fornecido pela plataforma Ollama para extrair texto de imagens. O projeto está disponível como um pacote Python e fornece uma interface de aplicativo da Web Streamlit fácil de usar. Ele oferece suporte a uma ampla variedade de modelos visuais...

O STranslate é uma ferramenta de tradução e OCR pronta para uso desenvolvida pela WPF. A ferramenta foi projetada para fornecer tradução eficiente e conveniente e funcionalidade de reconhecimento óptico de caracteres (OCR) para uma ampla variedade de idiomas e tipos de texto. O STranslate é um projeto de código aberto que pode ser baixado e usado gratuitamente pelos usuários e também aceita...

O VisionParser é uma ferramenta de OCR (reconhecimento óptico de caracteres) projetada para processar recibos e faturas. Com a avançada tecnologia de IA generativa, o VisionParser é capaz de converter com rapidez e precisão todos os tipos de recibos e faturas em dados estruturados para uma ampla gama de cenários de negócios, como varejo, catering, serviços B2B, etc.....

O Chunkr é uma API auto-hospedada dedicada à conversão de arquivos PDF, PPTX, DOCX e Excel em dados adequados para uso em RAG (Retrieval Augmented Generation) e LLM (Large Language Modelling). Ela foi desenvolvida pela Lumina AI Inc. e usa modelos visuais avançados para a...

O Llama OCR é uma biblioteca de OCR (reconhecimento óptico de caracteres) baseada no Llama 3.2 Vision que converte documentos para o formato Markdown. A biblioteca foi desenvolvida pela Nutlope e usa a interface gratuita do Llama 3.2 fornecida pela Together AI para gráficos...

O Docling é uma ferramenta avançada de análise e exportação de documentos que suporta uma ampla variedade de formatos de documentos, incluindo PDF, DOCX, PPTX, XLSX, imagem, HTML, AsciiDoc e Markdown, e analisa e exporta esses documentos para os formatos HTML, Markdown e JSON....