ocr 第 4 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 4 / 5 页）
cerulCerul 是一个面向 AI 产品的视频记忆基础设施，为开发者提供 SDK、CLI、MCP 及多种集成方式，帮助 AI 应用理解和利用视频内容。它解决的是 AI★ 164
locate-anythinglocate-anything 是一个为 NVIDIA LocateAnything-3B 模型打造的轻量级 Web 界面，通过一条 docker compos★ 164
formkiq-coreFormKiQ Core 是一个基于 AWS 托管服务的开源文档管理系统，用 Java 编写，部署在你自己的 AWS 账户中。它解决的是企业文档散落各处、难以统★ 164
OverTranslateOverTranslate 是一款面向 Windows 的实时屏幕翻译工具，通过 OCR 识别屏幕上任意区域的文字，再叠加翻译结果，解决游戏、漫画、视频等无法直★ 158
pdfstractPDFStract 是一个专注于 RAG（检索增强生成）流程的 PDF 处理工具，提供从 PDF 中提取文本、智能分块（chunking）和向量化嵌入（embe★ 155
tg2obsidiantg2obsidian 是一个用 Python 编写的 Telegram 机器人，它能够自动将指定 Telegram 聊天或群组中的新消息拉取下来，并保存到本地★ 154
pdf-mcppdf-mcp 是一个基于 MCP 协议的服务器，旨在让 Claude Code 等 AI 代理高效处理大型 PDF 文件及整个文件夹，避免上下文溢出。它通过混★ 154
SnapTraTranslatorSnapTraTranslator 是一款面向 macOS 的离线快速翻译软件，使用 Swift 与 SwiftUI 开发。它主要解决日常阅读外文资料、浏览网页★ 152
protonsearchProtonSearch 是一款用 Rust 编写的 Windows 本地优先启动器，通过一个快捷键即可统一搜索应用、文件、文件内容、OCR 文字、剪贴板历史、★ 148
TTKOCRTTKOCR 是一个基于 Qt 与 C++ 开发的桌面端 OCR 工具，目标是在 Windows 和 Linux 上提供开箱即用的图片与 PDF 文字识别能力。★ 148
compdf-self-hostedComPDF Self-hosted 是一个可私有化部署的开源文档处理平台，主打 PDF 与多格式之间的编辑、转换与变换。它支持 PDF、Office 文档（W★ 147
scoresightScoreSight 是一款面向体育赛事直播场景的开源记分牌 OCR 软件，用 Python 编写，基于 PyQt6 构建跨平台图形界面。它解决的问题是：在直播★ 147
vietnamese-ocr-toolboxvietnamese-ocr-toolbox 是一个面向越南语场景的 OCR 工具箱，用 C++ 实现，目标是把文本检测与字符识别串成可复用的流水线，解决越南语★ 143
ppu-paddle-ocrppu-paddle-ocr 是一个用 TypeScript 重写的 PaddleOCR 轻量级 SDK，目标是在任何能运行 JavaScript 的环境里做多★ 142
hophop 是一款面向 macOS 的免费开源菜单栏工具箱，用 SwiftUI 开发，把日常高频小工具集中到一个下拉面板里，减少在多个独立 App 之间来回切换。它★ 142
GroundingPIGroundingPI 是一个面向物理智能（具身智能）的 4B 参数 grounding 基础模型，核心目标是把视觉语言模型中的“定位”能力统一到一个模型里。它★ 141
native-devtools-mcpnative-devtools-mcp 是一个基于 Rust 的 MCP 服务器，旨在为 AI 智能体提供计算机使用和浏览器自动化的原生能力。它解决了 AI 助★ 139
native-devtools-mcpnative-devtools-mcp 是一个用 Rust 编写的 MCP（Model Context Protocol）服务器，把电脑操作和浏览器自动化能力封★ 139
DocCreatorDocCreator 是 DIAR 团队开源的合成文档图像与真值（groundtruth）生成软件，用 C++ 实现，主要面向文档分析与 OCR 研究。它解决真★ 139
paddleocr-localpaddleocr-local 是一个本地优先的文档解析工作台，把 PDF、Office 等格式的文件转换成 Markdown，全程在本机完成，不上传云端。它集★ 138
HTR-VTHTR-VT 是论文《HTR-VT: Handwritten Text Recognition with Vision Transformer》的 PyTorc★ 138
yomihonyomihon 是一款面向 Android 的开源漫画阅读器，主打免费、无广告的本地与在线漫画阅读体验，并集成了 OCR 文字识别能力。它解决的核心问题是：很多★ 136
doctordoctor 是一个用 Python 编写的文档转换微服务，目标是在大规模场景下把各种格式的文档统一转成可处理的格式。它解决的是企业或平台中散落的 PDF、图片★ 135
docslightDocSlight 是 ComPDF（KDAN 生态）开源的文档解析与信息抽取工具，目标是把 PDF、扫描件、图片以及 Office 文档统一转成结构化数据。它★ 135
ImageTrans_chrome_extensionImageTrans_chrome_extension 是一个为 ImageTrans 桌面应用配套开发的 Chrome 浏览器扩展，主要用于网页图片的翻译与复★ 134
eSearch-OCReSearch-OCR 是一个基于 PaddleOCR 的 JavaScript/TypeScript OCR 库，目标是在 Node.js 与浏览器环境中直接★ 134
PAKGOV-RAG-projectPAKGOV-RAG-project 是一个面向巴基斯坦政府与法律文档的双语（乌尔都语-英语）检索增强生成（RAG）研究项目。它要解决的核心问题是：巴基斯坦官方★ 130
ImageTrans-docsImageTrans-docs 是 ImageTrans 的官方文档项目，ImageTrans 是一款面向图片和漫画翻译场景的计算机辅助翻译工具。它解决的是传统★ 128
local-llm-pdf-ocrlocal-llm-pdf-ocr 是一个把扫描版 PDF 转成可搜索文本的本地工具，核心思路是调用视觉大模型 olmOCR 完成 OCR，全程离线运行，不上传★ 128
MinerU-SkillMinerU-Skill 是一个面向 AI 原生工作流的文档解析工具，能把 PDF、Office 文档和图片统一转换成干净的 Markdown。它重点解决大模型★ 125
primitive-benchprimitive-bench 是一个面向 AI 智能体结果的可验证评测与交付层。它把「任务」当作商品：用户声明要完成的任务，平台先给出固定价格，再自动在多种工★ 122
zerolan-coreZerolanCore 是一个本地部署的 AI 模型集成框架，旨在将多种开源 AI 模型统一整合到一个可扩展的架构中。它解决的是 AI 模型碎片化、接口不统一、★ 120
ai-image-clean-eraserai-image-clean-eraser 是一个基于浏览器的 AI 图像文字擦除工具，主打 2026 年式的自动检测与手动精修双模式。它要解决的问题很直接：日★ 120
screencapscreencap 是一款用 Swift 编写的 macOS 原生轻量级活动记忆工具，为个人用户和 AI Agent 记录屏幕活动。它持续捕获屏幕内容，结合 O★ 120
Looking-Back-OCRLooking-Back-OCR 是一个面向越南语古籍与文档的 OCR 工具，基于 TypeScript 开发，通过封装 Gemini API 或 Meta A★ 119
ReadingBankReadingBank 是一个面向阅读顺序检测任务的基准数据集，由文档 AI 研究者构建。它要解决的问题是：在 OCR 识别出页面文字后，机器往往不知道人类应该★ 119
docwireDocWire SDK 是一个基于 C++20 的本地优先文档数据处理框架，主打确定性、可审计、可私有化部署的工作流。它解决的是企业或开发者在处理大量异构文档时★ 117
UGTLiveUGTLive 是一款面向游戏玩家、漫画读者和语言学习者的实时屏幕翻译工具。它通过 GPU 加速的 OCR 识别屏幕上任意区域的外文文本，再调用 LLM（支持 ★ 117
yuketang-helper-autoyuketang-helper-auto 是一个面向雨课堂与荷塘雨课堂的开源 AI 学习助手，提供 Chrome/Edge 浏览器扩展以及 Windows/ma★ 116
mica-ppocrmica-ppocr 是一个纯 Java 实现的 PP-OCRv6 图片文字识别库，基于 ONNX Runtime 推理，完全不依赖 PaddlePaddle ★ 115
PgsToSrtPgsToSrt 是一个用 C# 编写的开源工具，专门把蓝光原盘或高清视频中常见的 PGS（Presentation Graphic Stream）图形字幕转换★ 115
scanbot-sdk-example-androidscanbot-sdk-example-android 是 Scanbot SDK 官方提供的 Android 示例工程，用 Kotlin 编写，展示如何在原生★ 115
ClipyClipy 是一款开源跨平台剪贴板管理器，覆盖 macOS、Windows 与 Android，用 Swift 与 Flutter 构建。它解决多设备间复制内容★ 115
basemindbasemind 是一个为编码智能体提供统一上下文与内容层的 MCP 服务器，用纯 Rust 实现。它解决了 AI 编程工具在理解代码库、检索文档、共享记忆和协★ 112
SwiftyCrowSwiftyCrow 是一款完全在设备端运行的 macOS 屏幕翻译工具，面向需要跨语言阅读的用户。它通过 ScreenCaptureKit 截取屏幕上任意区域★ 112
anyline-ocr-react-native-moduleanyline-ocr-react-native-module 是 Anyline 公司为 React Native 提供的 OCR 原生桥接模块，让 iOS ★ 111
LT2MDLT2MD 是一个面向 AI Agent 的 PDF 转 Markdown 技能，专门解决传统转换工具把流程图、示意图和图表变成空链接或丢失内容的问题。它会把这★ 110
LexoidLexoid 是一个开源的通用适配器，旨在将杂乱无章的真实世界数据转化为干净、可供 AI 智能体直接使用的上下文。它解决了 LLM 应用中数据质量差、格式不统一★ 109
lecture-to-noteslecture-to-notes 是一个把课堂录屏自动转成结构化笔记的本地流水线工具。它解决的核心问题是：学生录下讲座后，仍需手动回看视频、整理重点、对齐讲义，★ 109
comic-localizercomic-localizer 是一个用 Python 编写的漫画本地化工具，面向需要将外语漫画快速翻译成中文的读者和汉化组。它把 OCR 文字识别、机器翻译、★ 107