전체
› 키워드: "ocr"
LayoutReader是一个基于LayoutLMv3的高效模型，用于排序OCR框的阅读顺序，优化了文档解析和多语言处理。
DocumentDenoise是一个用于OCR研究项目的文档去噪工具，采用深度学习方法，如自编码器和CycleGAN，提升图像质量。
Open-Sora旨在以高效方式制作高质量视频，提供开放源代码工具，简化视频生成复杂性，促进创意与创新。
VisionSub 是一款高效的视频硬字幕提取工具，支持从视频中提取字幕并导出为多种格式，如 SRT 和 JSON，具有实时预览和强大OCR功能。
DdddOcr是一个开源的Python库，用于离线识别通用验证码，旨在提供简单易用的OCR解决方案，支持自定义模型和HTTP API服务。
olmocr是一个工具包，用于将PDF和其他基于图像的文档格式转换为干净、可读的纯文本格式，支持复杂排版与数学公式。
Ollama-OCR是一个强大的光学字符识别工具，利用先进的视觉语言模型从图像和PDF中提取文本，支持多种输出格式与批量处理。
keras-ocr是一个封装灵活的文本检测和识别模型，结合CRAFT文本检测器和Keras CRNN，提供高层API以简化文本识别管道的训练和使用。
WebVideoCreator是一个基于Node.js的框架，能够将Web动画渲染为视频，支持多种动画格式，快速生成高质量视频，适合数据可视化和数字人视频制作。
logocreator 是一个开源的logo生成器，用户可以在几秒钟内创建专业的logo并进行样式定制。
