所有
› 语言：Python ×
› 关键词："ocr"
OCRFlux是一个轻量级且强大的多模态工具包，专注于PDF到Markdown的转换，特别擅长复杂布局处理、表格解析及跨页内容合并。
docext 是一个本地文档信息提取和基准测试工具包，支持将PDF和图像转换为Markdown，并进行文档信息的智能提取。
这是一个多模态OCR系统，旨在从复杂的教育材料中提取结构化数据，支持各类文本和图表，优化机器学习训练。
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。
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。
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。
TexTeller 是一个图像转LaTeX公式的模型，具备高准确率和强泛化能力，适用于多种使用场景。
