ocr 第 3 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 3 / 5 页）
MangaTranslatorMangaTranslator 是一个用 Python 编写的开源漫画翻译应用，目标是把日漫、韩漫、国漫等图片中的对话自动翻译成目标语言。它把整条流水线串起来：★ 349
gyotakugyotaku 是一款面向 Linux 的原生截图全文搜索工具，解决的是「截图越攒越多、想找时只能靠记忆翻文件夹」的痛点。它用 PaddleOCR 在本地对截图★ 347
ocr-rsocr-rs 是一个基于 Rust 编写的高性能 OCR 识别库，底层使用 PaddleOCR v4/v5/v6 模型并采用 MNN 推理后端，兼顾精度与速度。★ 337
franken_ocrfranken_ocr 是一个用纯 Rust 实现的 CPU 端 OCR 推理引擎，目标模型是百度 Unlimited-OCR——一个基于 DeepSeek-O★ 336
nuphus-mcpnuphus-mcp 是一个基于 Rust 的桌面自动化 MCP 服务器，通过 Model Context Protocol (stdio) 为任意 AI 代理★ 326
math-question-bankmath-question-bank 是一个面向高中数学教师与教研场景的本地化题库管理系统，用 Python 编写。它要解决的核心问题是：老师手里散落着 Wor★ 326
scribe.jsscribe.js 是一个纯 JavaScript 的 OCR 与文本提取库，可在浏览器和 Node.js 中直接识别图片与 PDF 中的文字，无需后端服务或本★ 323
obsidian-ocrobsidian-ocr 是一个 Obsidian 笔记软件的社区插件，用 TypeScript 编写，目标是把图片和 PDF 里的文字变成可搜索内容。它解决的★ 305
dpscreenocrdpscreenocr 是一个用 C++ 编写的屏幕文字识别工具，基于 Tesseract OCR 引擎，能够直接截取屏幕区域并识别其中的文字内容。它解决的是用★ 297
Translate-ItTranslate-It 是一款开源的浏览器翻译扩展，支持 Chrome 与 Firefox，目标是把网页上的阅读、写作、听力和配音需求统一到一个工具里。它通过★ 291
odd-snapodd-snap 是一款免费开源的跨平台截图工具，使用 C# 开发，支持 Windows、Linux 和 macOS。它解决的是日常办公和协作中快速截屏、标注与★ 289
pdfdealpdfdeal 是一个 Python 工具库，主要封装了 Doc2X API，用于将 PDF 等文档转换为高精度 Markdown/LaTeX，同时内置本地文本★ 288
py-idppy-idp 是一个面向 Python 的智能文档处理（IDP）框架，目标是把发票、合同、表单等非结构化文档自动转成结构化数据。它同时支持 12 种以上 LLM★ 286
ScreenshotSnapCut（简截）是一款用 C# 开发的 Windows 和 macOS 截图工作台，定位是轻巧但不将就的一体化效率工具。它把日常截图场景中零散的需求整合进★ 282
LLaVARLLaVAR 是一个面向文本密集型图像理解的多模态对话助手，基于 LLaVA 架构进行增强，通过指令微调提升模型对图像中文字内容的识别与推理能力。它解决了传统视★ 269
WinLensWinLens 是一款面向 Windows 桌面的屏幕文字翻译工具，定位类似 Google Lens 的桌面版。它解决的核心问题是：当你在电脑上看到无法复制的文★ 269
llmdocparserllmdocparser 是一个基于 Python 的 PDF 解析与内容分析工具，它利用大型语言模型（LLM）来理解和提取 PDF 文档中的结构化信息。该项目★ 267
docling-Studiodocling-Studio 是一个基于 Docling 的可视化文档分析工作台，面向需要处理 PDF 等复杂文档的开发者与数据团队。它把文档解析流水线搬到浏览★ 266
QTranslateQTranslate 是一款快速、可扩展的桌面翻译套件，支持翻译、OCR 文字识别、文本转语音和拼写检查，并内置插件系统。它基于 Kotlin 和 Java S★ 257
tesseracttesseract 是一个为 R 语言提供 Tesseract OCR 引擎绑定的开源包，让 R 用户无需离开统计与数据分析环境即可对图片做文字识别。它解决的核★ 252
GoldenDict-OCRGoldenDict-OCR 是基于 GoldenDict++ 的增强版词典软件，主打更快的词典加载与搜索速度，即使面对大型词典库也能保持流畅。它在原版基础上集★ 244
jt-doc-toolsjt-doc-tools 是一个自托管、开源的整合式 PDF 与 Office 文档处理平台，用 Python 编写。它把日常办公中分散的文档操作集中到一个可控★ 242
vision-simplevision-simple 是一个轻量级 C++ 跨平台视觉推理库，目标是让开发者用一套 API 在 Windows、Linux、Android 等平台快速部署★ 240
TextGrabber2TextGrabber2 是一款 macOS 菜单栏小工具，主打“复制即操作”的 OCR 体验。它常驻菜单栏，用户截取或复制图片后，可直接从图片中提取文字，省去★ 238
chimahonchimahon 是 Mihon（原 Tachiyomi）的沉浸式语言学习分支，面向通过漫画、动画、小说和电子书学习日语、中文、韩语等语言的用户。它在原有漫画阅★ 230
beetroot-releasesbeetroot-releases 是一款面向 Windows 的剪贴板管理器，基于 Tauri 与 Rust 构建，用 TypeScript 编写界面。它解决★ 228
terntern 是一款面向 Apple Silicon 的本地 AI 搜索工具，专门用来检索播客和视频档案。它把 Whisper 语音转写、Apple Vision ★ 219
LMeterXLMeterX 是一个基于 Python 的通用 API 压测平台，专注于大模型推理服务与业务 HTTP 接口的性能测试。它解决传统压测工具难以适配 LLM 流★ 212
ocr这是一个基于 PaddleOCR 模型与 ONNX Runtime 构建的高精度文字检测 OCR 库，支持 JavaScript/TypeScript 在 No★ 211
DTrOCRDTrOCR 是论文《DTrOCR: Decoder-only Transformer for Optical Character Recognition》的 ★ 205
lnwjudlnwjud 是一个本地优先的 AI Agent 运行时与 MCP 网关，用 TypeScript 编写，基于 Electron 提供桌面端体验。它要解决的问题★ 205
OnnxTROnnxTR 是 docTR 文档文本识别库的 ONNX 推理管线封装，目标是在不依赖深度学习训练框架的前提下提供高性能、易接入的 OCR 能力。它把 docT★ 198
parsemypdfparsemypdf 是一个 Python 编写的 PDF 解析工具集合，把多种主流解析方案整合到统一接口下，包括基于 AI 的 docling、Claude、★ 197
textsnaptextsnap 是一个轻量级 OCR 工具，目标是把任意图片、截图或网页内容一键转成纯文本。它基于 ONNX 和 PaddlePaddle 运行，无需 GPU★ 195
oxidizePdfoxidizePdf 是一个用纯 Rust 编写的 PDF 处理库，专为 AI 和 RAG 场景设计。它解决了 PDF 在检索增强生成中文本提取结构混乱、分块不★ 193
GutenOCRGutenOCR 是一个面向 OCR 场景的开源工具集，专注于视觉语言模型（VLM）的训练与评测。它解决的核心问题是：传统 OCR 方案在复杂版式、手写体或低质★ 192
GutenOCRGutenOCR 是一个面向 OCR 场景的开源工具集，专注于视觉语言模型（VLM）的训练与评测。它解决的核心问题是：传统 OCR 方案在复杂版面、手写体、多语★ 192
figeditfigedit 是一个把位图图表转成可编辑矢量格式的 Python 工具，主要解决论文、报告里的截图式图表无法二次编辑的问题。它结合 OCR 与图像分析，把 P★ 189
markdown_web_browsermarkdown_web_browser 是一个面向 AI 智能体与自动化管线的网页转 Markdown 工具。它用无头 Chrome 渲染任意 URL，把整页★ 187
react-mindee-jsreact-mindee-js 是 Mindee 推出的前端计算机视觉 SDK，专为 React 应用设计。它把原本需要后端处理的图像识别能力搬到浏览器端，让开★ 183
DeskTranslateDeskTranslate 是一款基于 Python 的桌面实时 OCR 翻译工具，解决用户在看外语文档、软件界面、游戏或视频字幕时频繁切换窗口、手动复制粘贴的★ 183
laravel-ocrlaravel-ocr 是一个面向 Laravel 框架的 OCR 与文档数据提取扩展包，目标是让 PHP 后端开发者无需切换技术栈就能处理发票、收据、PDF ★ 182
qingsheng-skill情圣（qingsheng-skill）是一个面向 Claude Code 的中文恋爱教练技能包，用 Shell 脚本封装提示词与 OCR 流程，把聊天截图变成可★ 178
AI-ResourcesAI-Resources 是一个面向 OSINT（开源情报）领域的 AI 工具资源集合，旨在帮助调查人员、安全研究员和情报分析师利用人工智能技术提升信息搜集与分★ 172
LillyLilly 是一个面向波斯尼亚语使用者的离线优先翻译助手，核心解决在无网络或网络不稳定环境下，波斯尼亚语与英语之间的即时互译需求。用户可以通过三种方式输入内容：★ 171
OpenGuiderOpenGuider 是一个运行在桌面端的 AI 陪伴助手，通过屏幕识别（OCR）和语音交互（STT/TTS）实时理解用户当前操作环境，并结合 AI 模型生成分★ 170
simpledmssimpledms 是一个用 Go 编写的轻量级文档管理系统，面向小型企业而非大型组织，目标是替代散落在共享盘和邮件附件里的文件堆。它提供文档集中存储、分类归档★ 170
PopTransPopTrans 是一款面向 Windows 的本地离线翻译工具，基于 Go、Wails 与 llama.cpp 构建，核心卖点是不依赖 GPU、纯 CPU 即★ 168
aiworkdeckaiworkdeck 是一个面向法律与文档密集型工作流的 AI 原生 IDE 工作空间，定位为“律师的 VS Code”。它整合了文件管理、AI 智能体、插件系★ 167
quickshotquickshot 是一款面向 macOS 和 Windows 的本地优先截图工具，用 Electron + React + TypeScript 构建。它解决★ 166