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。
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。
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。
多语言文档智能解析引擎，能从 100 多种格式中提取文本、表格和元数据，并支持 OCR、语音转写和代码理解，适合为 RAG 流程准备高质量数据。
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。
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。
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。
高性能 Python 库，用来从 PDF、EPUB 等文档中提取文本、表格和图像，并做格式转换与页面操作，适合搭建文档解析和 RAG 数据管道。
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。
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。
把 PDF、DOCX、图片等复杂文档解析成干净结构化数据，方便喂给语言模型做 RAG 和检索。
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。
…ows with VS2022: by @zdenop in https://github.com/tesseract-ocr/tesseract/pull/4590 arch,viewer: add missing <cstdlib and <string by @tachalorah in https://github.com/tes
…: Fix typos by @szepeviktor in https://github.com/tesseract-ocr/tesseract/pull/4497 Fix missing closing tags in multi-page PAGE XML output by @stweil with @Copilot in htt
…ode for osdetect by @stweil in https://github.com/tesseract-ocr/tesseract/pull/4436 Fix and improve configuration for cmake builds by @stweil in https://github.com/tesser
…ed (by @fanchenkong1 in https://github.com/naptha/tesseract.js/pull/1039) A new relaxedsimd build takes advantage of the latest WASM and hardware capabilities. Upgrading
…number generator by @stweil in https://github.com/tesseract-ocr/tesseract/pull/4357 Make list classes templated by @egorpugin in https://github.com/tesseract-ocr/tesserac
…r static linking. by @hglee in https://github.com/tesseract-ocr/tesseract/pull/4271 Make regular usage of CMAKE INSTALL LIBDIR and GNUInstallDirs by @Zopolis4 in https://