项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-11-10 · 当前星标 ★ 862
技术标签
核心亮点
- 在 OCR 输出之外提供正确性评估，便于下游做置信度过滤和人工复核
- 基于 MiniCPM-V 多模态模型，对复杂版面和自然场景文字有一定理解能力
- TypeScript 实现，便于在 Node.js/前端服务中集成调用
不足之处
- 项目处于早期，星标数较少，接口与功能可能不稳定
- 依赖多模态大模型推理，速度和资源开销高于传统轻量 OCR 引擎
- 文档与社区生态尚不完善，缺少大规模基准对比数据
适用场景
- 发票、票据等图片文字提取后按置信度分流人工审核
- 文档扫描件批量转文字并标记低质量识别结果
- 前端或 Node 服务中集成图片转文本与质量校验能力
替代项目
PaddleOCR、Tesseract、EasyOCR
上一篇：tess4j
同类项目推荐
ComfyUI-Depth-Anything-Tensorrt
开源
ComfyUI 里跑深度图，TensorRT 加速最高 14 倍，快人一步。
ComfyUI Depth Anything (v1/v2/v3/distill-any-depth) Tensorrt Custom Node (up to 14x ···
xview-yolov3
开源
用YOLOv3快速训练卫星图像目标检测模型
YOLOv3 training, preprocessing, validation, and inference for object detection in xV···
GPT4Point
开源
让AI看懂3D点云，听懂人话，直接生成和编辑3D模型。
[CVPR'24 Highlight] GPT4Point: A Unified Framework for Point-Language Understanding ···
GroundingPI
开源
一个4B模型统一六类视觉定位，还能提升机器人泛化
A 4B grounding foundation model for physical intelligence. Unifies detection, referr···
ImageIndexer
开源
本地跑大模型，自动给图片打标签，搜图快人一步
Creates an index of images, queries a local LLM and adds tags to the image metadata
Exp-CLIP
开源
用LLM知识让CLIP看懂表情，零样本识别更准
[WACV'25 Oral] Enhancing Zero-Shot Facial Expression Recognition by LLM Knowledge Tr···
EndoDAC
开源
让基础模型秒变内窥镜深度感知专家，无需标注即可用
[MICCAI 2024] EndoDAC: Efficient Adapting Foundation Model for Self-Supervised Depth···
fsdl-text-recognizer-2022-labs
开源
跟着课程撸一个能跑的文本识别全流程项目
Complete deep learning project developed in Full Stack Deep Learning, 2022 edition. ···
Dual-task-Pose-Transformer-Netwo···
开源
上传人物照片和姿态，一键生成自然摆姿的新图像
[CVPR 2022] Exploring Dual-task Correlation for Pose Guided Person Image Generation