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。

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。

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。

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。

纯 Python 实现的 PDF 解析库，能从 PDF 中提取文本、布局和元数据，适合做文档解析、内容抽取和 RAG 数据预处理。

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。

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。

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。

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。

在 PHP 里调用 Tesseract OCR 的封装库，让你不用折腾命令行就能把图片里的文字识别出来，适合做发票、截图等文档的文字提取。

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。

在保留原始版面、公式和结构的前提下翻译 PDF，适合科研论文和技术文档，避免译文打乱排版。

一站式通用 OCR 开源工具箱，集训练评测基准、商用级文字识别与文档解析系统于一体，并复现多篇学术论文的核心实现。

把扫描件、邮件附件等来源的杂乱文档集中管理，自动做 OCR 和 NLP 分析并打标签归类，减少手工整理成本。

基于 TensorRT FP16 加速的 PP-OCRv6 推理服务，在 OmnidocBench 上跑出 200+ img/s，提供 HTTP 和 gRPC 接口，适合高吞吐文档解析与 RAG 场景。

把 PaddleOCR 的模型转成 ONNX 推理，彻底摆脱 PaddlePaddle 框架依赖，轻量部署、推理速度很快，适合做通用 OCR、表格识别和车牌识别。

把 PDF、图片、Word、PPT 或网页里的内容抽成 Markdown、JSON、CSV、HTML，自带 OCR 和结构化字段提取，省去自己拼解析流程。

用 Cython 封装的 Tesseract OCR Python 库，可直接调用底层 API 做文字识别，比命令行调用更高效、控制更细。

面向日文漫画的 OCR 工具，能识别漫画中的对话气泡和拟声词等文字，基于 Transformers 实现，适合做漫画翻译或文本提取。

用大模型对 Tesseract 的 OCR 结果做纠错、智能分块和 Markdown 排版，把扫描 PDF 转成干净可读的文本，支持本地或 API 模型。

用 Rust 写的 OCR 库和命令行工具，能从图片中提取文字，适合需要轻量、可嵌入的光学字符识别能力的场景。

轻量级文档管理系统，支持 OCR、文件共享和自托管，用 Docker 部署即可获得企业级 DMS 的完整功能。

把 iPhone 变成 OCR 服务器，基于 Apple Vision 框架提供 HTTP 接口，让局域网内其他设备直接调用 iOS 的离线文字识别能力。

基于 CTPN 做中文场景文字检测、CRNN+CTC 做识别的端到端 OCR 老项目，适合拿来跑通中文自然场景文字识别的完整流程。

复现 DeepSeek-OCR 多模态文档识别模型，包含完整训练流程，可自行训练和部署用于文档解析与 RAG 场景的 OCR。

Windows 上免费开源的 PDF 编辑器，自带 PDF 2.0 引擎，能查看、批注、OCR、合并拆分、编辑文字和填表签名，不用订阅。

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。

用 Rust 写的多后端 OCR/视觉语言模型引擎，支持 DeepSeek-OCR、PaddleOCR-VL 等模型和 DSQ 量化，无需 Python 即可本地跑起兼容 OpenAI 的服务和命令行。

自托管的 DeepSeek-OCR-2 网页界面与 API，支持在 NVIDIA、Apple Silicon 和 CPU 上通过 vLLM 或 transformers 运行，提供逐页质量检查、PDF 流式处理和 MCP 接入。

🌈一个跨平台的划词翻译和OCR软件 | A cross-platform software for text translation and recognition.

把 PDF 快速转成 Markdown 和 JSON，解析准确率高，适合喂给 RAG 或做文档结构化处理。

轻量级车牌文字识别 OCR 模型，支持 Keras、JAX 和 ONNX Runtime，可快速集成到车牌识别流水线中。

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。

本地离线运行的便携式 OCR 软件，用 DeepSeek-OCR-2 模型直接在你自己机器上识别图片和 PDF，适合不想把文档传到云端的场景。

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、Office 等复杂文档转成 LLM 可直接用的 Markdown/JSON，内置版面分析和 OCR，专为 RAG 与 Agent 工作流准备语料。

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。

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。

用小型专用模型搭建企业级 RAG 流水线的统一框架，覆盖文档解析、检索和智能体编排，适合在本地或私有环境部署。