老牌开源 OCR 引擎，用 LSTM 识别图片中的文字，支持上百种语言，适合做文档扫描和文本提取。

开源免费的离线 OCR 软件，支持截图、批量图片和 PDF 识别，可排除水印与页眉页脚，还能扫描或生成二维码，内置多国语言库。

给扫描版 PDF 加上 OCR 文字层，让原本只能看的图片型 PDF 变成可搜索、可复制文本的文件。

开箱即用的通用验证码识别 OCR 库，Python 直接 pip 安装即可调用，省去自己训练模型和搭环境的麻烦。

轻量级 OCR 工具包，能把图片和 PDF 转成结构化数据，支持 100 多种语言，方便接入 LLM 和 RAG 流程。

开箱即用的 OCR 工具，支持 80 多种语言和拉丁、中文、阿拉伯、天城文、西里尔等主流文字，几行 Python 代码就能把图片里的文字提取出来。

超轻量级中文 OCR 工具，总模型仅 4.7M，支持竖排文字识别，可在 ncnn、MNN、TNN 等推理后端运行，适合端侧和低资源场景部署。

基于 ONNX Runtime、OpenVINO、PaddlePaddle 等多家推理后端的 OCR 工具包，支持多语言识别，方便在不同硬件上快速部署文字检测与识别。

GLM-OCR 是一个基于 GLM 的图片转文字 OCR 工具，主打高精度、高速度与全面覆盖，适合文档解析和 RAG 场景下的文字提取。

纯 JavaScript 实现的 OCR 库，基于 WebAssembly 在浏览器和 Node.js 中直接识别 100 多种语言的图片文字，无需后端服务。

把 PDF、DOCX、HTML 等文档解析成结构化 Markdown 或 JSON，方便喂给大模型和 RAG 流程。

本地部署的 PDF 全能工具箱，支持合并拆分、格式转换、OCR 和编辑，Docker 一键启动，数据不出内网。

能识别复杂表格、表单和手写内容的 OCR 模型，保留完整版面布局，适合把扫描件和图片转成结构化文本喂给 RAG 或文档解析流程。

把纸质文档扫描后自动 OCR、打标签并归档成可全文检索的个人文档管理系统，适合想彻底告别纸质文件柜的人。

面向智能体的 RAG 检索引擎，把文档解析、知识编译和上下文管理整合成一套基础设施，帮 Agent 稳定拿到高质量检索结果。

一款简洁优雅的 macOS 词典翻译应用，支持划词查询、离线 OCR 识别，并聚合有道、苹果词典、OpenAI、DeepL、Google 等十余种翻译服务。

本地离线从视频画面中提取硬字幕并生成 srt 文件，基于深度学习做字幕区域检测和文字识别，不用调第三方 API。

面向视觉小说和 Galgame 的翻译工具，通过文本钩子、OCR 和剪贴板等多种方式提取游戏文本，再接入翻译引擎，让玩家能顺畅阅读原文。

字节跳动开源的文档图像解析模型，用异构锚点提示把 PDF 和图片里的版面、文字、表格一次性解析成结构化内容，适合喂给 RAG 或做文档分析。

提供 Snow Shot 截图工具和 Snow Image Viewer 看图软件的源码，集截图、录屏、OCR 和图片浏览于一体，适合需要本地桌面图像处理工具的用户。

Windows 上的轻量 OCR 截图取字工具，框选屏幕区域即可识别文字并复制，支持后台常驻和识别完成通知。

用 Rust 写的高性能开源文档解析器，能从 PDF 等文档中快速提取文本和 OCR 识别结果，适合给 RAG 和检索流程做预处理。

基于深度学习的一站式 OCR 库，把文字检测、文字识别和版面分析串成流水线，支持 PyTorch 训练与微调，适合快速搭建文档解析应用。

把 PDF 解析成带坐标信息的 JSON、Markdown 或 HTML，方便喂给 RAG 和 AI 流程，同时自动生成无障碍标签。

实时屏幕翻译工具，能识别游戏画面、视频硬字幕和静态文本中的文字并即时翻译，适合玩外语游戏或看无字幕视频时使用。

把 PDF、扫描件和图片解析成带版面结构、表格和文本的富结构化数据，适合做文档入库和 RAG 前的预处理。

用 Rust 写的高性能 PDF 解析库，能快速判断 PDF 是扫描件还是文本型并抽取文字，方便后续决定走 OCR 还是直接解析。

一款 Android 图像处理应用，集裁剪、绘图、滤镜、OCR 和背景移除等数十种功能于一体，适合在手机上完成进阶修图与批量处理。

基于飞桨的一站式开发工具，把分类、检测、分割、OCR、语音识别等任务封装成流水线，支持训练到部署全流程。

基于深度学习的漫画翻译辅助工具，能自动识别文字、机翻并修复原图文字区域，还支持手动编辑图像和文本。

一键识别并翻译漫画、图片中的文字，自动完成 OCR、机器翻译和文字区域修复，适合给日漫或外文图片做批量汉化。

把扫描版 PDF 书籍转成 Markdown、EPUB 等格式，结合 DeepSeek OCR 处理影印书，方便数字化阅读和翻译。

Windows 上离线可用的文件格式转换工具，内置 FFmpeg、LibreOffice、Poppler 和 Tesseract，支持图片、文档、表格、PPT、PDF、音视频及 WPS 格式互转，还能做 OCR 和批量转换。

…otation, scrolling screenshots, offline OCR and image pinning. 免费开源截图软件，支持截图标注、滚动长截图、离线 OCR、贴图与录屏。

聊天回复前的决策助手：读取聊天内容判断对方意图和风险，一键生成草稿供你确认后发送，支持 Android、Windows、macOS、iOS。

把屏幕截图解析成结构化元素，让纯视觉 GUI Agent 能识别界面上的按钮、图标和文本，无需依赖 DOM 或控件树。

微软开源的 PII 检测与脱敏框架，能从文本、图像和结构化数据中识别并匿名化姓名、电话等敏感信息，支持 NLP 与正则规则组合的自定义流水线。

一款用 C# 开发的开源字幕编辑器，支持字幕的创建、编辑、时间轴调整和格式转换，还能借助语音识别自动生成字幕。

用 Python 构建自主 AI Agent 的框架，集成 MCP、RAG 和 computer-use 能力，支持 OpenAI、Claude 等模型，帮你快速搭建能自主完成任务的智能体。

能深入解析 PDF 中每个字符、矩形和线条的位置信息，方便提取文本和表格，适合处理结构复杂的 PDF 数据。