ocr 第 2 页
本站收录 221 个带「ocr」标签的 AI 开源项目（按 GitHub 星标从高到低，第 2 / 5 页）
MORTMORT 是一款基于 C# 开发的实时游戏翻译工具，主要面向韩文游戏玩家。它通过屏幕 OCR 技术识别游戏画面中的文本，再调用在线翻译服务将韩文等内容实时转换为★ 1,810
extractousextractous 是一个用 Rust 编写的高性能非结构化数据提取库，旨在解决从 PDF、Word、HTML、图片等各类文件中快速提取文本和元数据的问题。它★ 1,783
react-native-executorchreact-native-executorch 是一个将 Meta 的 ExecuTorch 推理引擎封装为 React Native 原生模块的开源库，让开发★ 1,768
ExtractThinkerExtractThinker 是一个面向大语言模型的文档智能处理库，采用 ORM 风格的设计，让开发者能以类似数据库操作的方式灵活编排文档工作流。它解决了从复杂★ 1,601
docstrangedocstrange 是一个基于 Python 的文档数据提取与转换工具，旨在解决从多种文档格式（如 PDF、Word、PPT、图片及 URL）中高效提取结构化★ 1,579
rpaframeworkrpaframework 是一套面向机器人流程自动化（RPA）的开源工具库集合，专为与 Robot Framework 和 Python 协同使用而设计。它解决★ 1,575
OpenOCROpenOCR 是面向通用 OCR 研究与应用的统一开源工具箱，由国内团队维护。它把 OCR 训练、评测、推理整合到同一套框架中，既提供商业级精度的文字检测与识★ 1,477
ai-hands-on这是一个面向AI初学者的实践学习仓库，包含一系列Jupyter Notebook和辅助文件，旨在帮助用户从零开始学习人工智能。项目覆盖了机器学习、神经网络、Tr★ 1,460
MouseTooltipTranslatorMouseTooltipTranslator 是一款功能强大的浏览器扩展，旨在解决多语言阅读和翻译的痛点。它允许用户通过鼠标悬停或划词，在任何网页、PDF、EP★ 1,355
typesafe-computer-usetypesafe-computer-use 是一个 macOS 上的轻量级计算机使用（computer use）框架，核心思路是用 OCR 识别屏幕内容，再通过★ 1,249
MakeMoneyWithAIMakeMoneyWithAI 是一个精选的开源 AI 项目清单，旨在帮助开发者快速找到能直接变现的 AI 工具和框架。它解决了从海量开源项目中筛选高商业价值项★ 1,143
TurboOCRTurboOCR 是一个基于 C++ 实现的高性能 OCR 服务，专为追求极致吞吐量的场景设计。它集成了百度飞桨的 PP-OCRv6 模型，并利用 Tensor★ 1,138
krakenKraken 是一个面向多语言与历史文献的开源 OCR 引擎，由 Python 编写，核心目标是解决传统 OCR 在非拉丁文字、古籍排版和手写文本上的识别难题。★ 1,088
overlay-translatoroverlay-translator 是一款无需 ROOT 的 Android 屏幕实时翻译工具，专为游戏、视觉小说和漫画场景设计。它通过屏幕叠加层捕获文字区域★ 1,071
pdf-reader-mcppdf-reader-mcp 是一个基于 MCP（模型上下文协议）的 PDF 阅读工具，旨在为 AI 智能体提供“眼睛”，使其能够深入理解 PDF 文档。它通过★ 1,046
anymdanymd 是一个用 Rust 编写的本地文档转换工具，目标是把各种格式的文件统一转成干净的 Markdown，方便喂给 AI 智能体或大模型。它支持 PDF、★ 1,046
eclaireeclaire 是一个本地优先、开源的 AI 助手，旨在统一管理你的个人数据，包括任务、笔记、文档、照片和书签。它解决的是个人数据分散在多个应用、难以统一检索和★ 926
TexoTexo 是一个超轻量的 LaTeX 公式识别模型，参数量仅 20M，却能达到 SOTA 级别的识别精度。它主要解决数学公式 OCR 场景中模型过大、难以在浏览★ 909
dsh-vision-toolkitdsh-vision-toolkit 是一个为纯文本大模型补上视觉能力的工具箱，以 DeepSeek Harness 插件形式提供。它解决的核心问题是：很多文本★ 899
zotero-ocrzotero-ocr 是一个为文献管理工具 Zotero 开发的 OCR 插件，主要解决扫描版 PDF 无法直接复制、搜索和标注文字的问题。它通过集成 Tess★ 833
jev-chat-windowsJevChat-Windows 是一款运行在 Windows 上的聊天回复辅助工具，主打本地优先与隐私保护。它不接管你的聊天软件，而是把一个小窗口挂在聊天窗口旁★ 827
ZerolanLiveRobotZerolanLiveRobot 是一个基于 Python 的 AI 虚拟主播（VTuber）开源项目，旨在通过集成大语言模型（LLM）、语音识别（ASR）、语★ 817
scribeocrScribeOCR 是一个基于浏览器的 OCR 文字识别与校对工具，目标是把扫描图片、PDF 或已有 OCR 结果变成完全数字化的文档。它本身不训练识别模型，而★ 811
readurreadur 是一个用 Rust 和 TypeScript 编写的开源 OCR 平台，目标是让文字识别变得快速、无痛且直观。它把 OCR 能力封装成现代 API★ 794
receipt-ocrreceipt-ocr 是一个面向小票、发票等票据图像的 OCR 处理引擎，用 Python 编写。它要解决的问题是：普通 OCR 工具直接识别票据时，由于版式★ 745
RSTGameTranslationRSTGameTranslation 是一款面向 Windows 游戏玩家的开源实时翻译工具，核心思路是把 OCR 文字识别与大模型翻译串成一条流水线：截取屏幕★ 735
ComfyUI-IF_AI_toolsComfyUI-IF_AI_tools 是一组为 ComfyUI 设计的自定义节点，通过 Ollama 调用本地大语言模型（LLM）来生成和优化图像生成提示词。★ 698
meikipopmeikipop 是一款面向日语学习者的跨平台 OCR 弹窗词典工具，支持 Windows、Linux 和 macOS。它解决的核心问题是：在阅读漫画、游戏、P★ 689
obsidian-text-extractorobsidian-text-extractor 是一个 Obsidian 笔记软件的配套插件，用于从图片和 PDF 文件中提取文字。它解决的核心问题是：用户在 ★ 648
light-ocrlight-ocr 是一个面向 Node.js 和 C++ 的快速离线 OCR 库，基于 PP-OCRv6 模型，解决在本地环境中进行文字识别时依赖云端 API★ 641
AI-Bank-Statement-Document-Automation-By-LLM-And-Personal-Finanical-Analysis-Prediction这是一个基于大语言模型（LLM）的银行对账单自动化处理与个人财务分析预测项目。它旨在解决传统银行对账单人工审阅繁琐、信息提取困难、财务分析耗时等问题。项目利用L★ 628
ParseBenchParseBench 是一个面向 AI Agent 的文档解析基准测试工具，旨在解决 LLM 应用中文档解析能力难以量化评估的问题。它提供了一套标准化的评测流程★ 604
kirikiri 是一款用 Rust 编写的本地优先桌面工作台，把截图、标注、OCR 文字识别和屏幕录制整合在一个应用里。它解决的是日常工作中截图工具、标注软件、OCR★ 571
mdfluxmdflux 是一款本地优先的桌面应用，能将扫描版 PDF、图片等文档批量转换为干净、AI 就绪的 Markdown 格式。它解决的是传统 OCR 工具输出杂乱★ 568
mac-ocrmac-ocr 是一个基于苹果 Vision 框架的 macOS 命令行工具，用 Swift 编写，用于对图片和 PDF 做文字识别，并生成可搜索的 PDF。它★ 540
ExtractPDF4JExtractPDF4J 是一个用 Java 编写的 PDF 表格提取与 OCR 库，主要解决从 PDF 中稳定抽取结构化表格数据的问题。它同时支持文本型 PD★ 519
OneClipOneClip 是一款用 Swift 和 SwiftUI 编写的原生 macOS 剪贴板管理工具，目标是替代系统剪贴板只能保存一条记录的局限。它常驻菜单栏，自动★ 517
aramgg_clientaramgg_client 是一款面向《英雄联盟》极地大乱斗（ARAM）及 Mayhem 模式的 Windows 桌面伴侣工具，基于 Electron + Vu★ 514
Invoice-DownloaderInvoice-Downloader 是一个面向国内报销场景的电子发票整理工具。它通过 IMAP 协议连接你的邮箱，自动批量下载发票附件，支持 PDF、OFD、★ 511
watch-skillwatch-skill 是一个面向 AI 智能体的视频理解与自我验证工具，旨在将视频、直播流和智能体屏幕录制转化为可搜索、带时间戳的证据，并借助内置的 THE ★ 508
pdf2zh-desktoppdf2zh-desktop 是基于 PDFMathTranslate（EMNLP 2025 论文成果）打造的桌面端 PDF 学术翻译工具，目标是把命令行版复杂★ 504
jietubajietuba 是一款面向 Windows 平台的开源截图工具，使用 Python 与 PySide6 构建，目标是把日常截图后需要的处理动作集中到一个工具里完★ 499
ArkhamMirrorArkhamMirror 是一个本地优先的 AI 文档情报平台，专为调查记者设计。它解决了调查报道中大量文档难以快速检索、关联和提取关键信息的问题。核心能力包括★ 495
wechatauto-replicawechatauto-replica 是一个面向 Windows 微信客户端（非网页版）的 Python 自动化库，定位为 wxauto 的复刻实现，重点适配微★ 478
WinShunWinShun（Win顺）是一款免费开源的 Windows 快速搜索启动器，用 C++ 编写，目标是替代 Everything、Listary 等工具。它解决 ★ 466
awesome-ocr-resourcesawesome-ocr-resources 是一个面向 OCR（光学字符识别）领域的资源聚合项目，系统整理了该方向的重要论文、公开数据集与工具链接。它解决的是 ★ 440
ocr-itocr-it 是一款 Chrome 浏览器扩展，专为需要反复识别同一屏幕区域文字的用户设计。它解决的核心问题是：在阅读分页文档、PDF 阅读器或网页长文时，用户★ 424
deepx-codedeepx-code 是一款用 Go 编写的开源编码智能体（coding agent），定位为 DeepSeek 模型的标配终端工具。它要解决的核心问题是：在长★ 392
hms-ml-demoHMS ML Demo 是华为机器学习套件（ML Kit）的官方示例项目，旨在帮助开发者快速集成华为的AI能力。它覆盖了人脸检测、文本识别、图像分割、语音识别（★ 371
parselparsel 是一个用 PHP 编写的开源文档解析库，目标是让 PHP 开发者无需依赖外部服务就能从 PDF、图片等文档中提取文本内容。它解决的核心问题是：PH★ 367