关键词：OCR
描述或关键词里包含「OCR」的项目，共 149 个。找不到想要的？试试完整搜索。
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。
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。
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。
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。
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。
一键截图或录屏的开源工具，支持区域捕获、GIF 录制、图像标注和 OCR，还能把图片、文本等文件上传到多种存储服务。
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。
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。
终端里的资源监控工具，实时显示 CPU、内存、磁盘、网络和进程占用，界面美观、操作顺手，适合在服务器或本地随时查看系统状态。
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。
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。
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。
开源视频生成模型，用高效架构和训练方案降低高质量视频制作门槛，让普通开发者也能训练和部署文生视频模型。
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。
🌈一个跨平台的划词翻译和OCR软件 | A cross-platform software for text translation and recognition.
浏览器端运行的隐私优先 PDF 工具箱，支持查看、编辑、转换、OCR 和生成 PDF，文件不上传服务器，可 Docker 自托管。
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。
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。
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。
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。
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。
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。
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。
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。
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。
跨平台代码片段管理器，用 GitHub Gist 做云端同步，支持标签分类和 Markdown 编辑，解决零散代码片段散落各处、难以检索复用的问题。
macOS 上的翻译和 OCR 工具，支持划词翻译、截图取字，并接入 ChatGPT、DeepSeek、Gemini 等多种大模型翻译服务。
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。
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。
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。
面向 Android 设备的全栈控制平台，集成 WebRTC 远程桌面、UI/OCR 自动化、一键 MITM 抓包和内置 Frida，适合多设备集群的自动化测试与逆向分析。
基于 WPF 开发的即用即走翻译与 OCR 工具，支持划词翻译、截图取字，插件机制可扩展翻译源和 OCR 引擎。
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。
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 PDF、图片、音视频等各种格式的数据统一解析成结构化文本，方便直接喂给 GenAI 框架和 RAG 流程使用。
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。
把 PDF、扫描件等非结构化文档通过 LLM 抽取成结构化 JSON，可直接接入 API 和 ETL 流水线，省去手工写解析规则。
跨平台截屏工具，集离线 OCR、屏幕翻译、以图搜图、录屏和滚动截屏于一体，适合需要快速提取屏幕文字并翻译的场景。
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。
Snow Shot is free, open-source screenshot software and a screen recording tool for Windows and macOS, with annotation, 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。
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。
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。
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。
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。
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。
面向大语言模型的强化学习训练框架，支持分布式训练与智能体工作流，让开发者能低成本训练和调优推理模型。
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。
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。
开箱即用的视频扩散模型工具箱，支持文生视频和图生视频，重点解决高质量视频训练数据不足的问题。
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。
iOS 上用于裁剪 UIImage 的视图控制器，自带可拖拽的裁剪框和旋转缩放交互，省去自己实现图片裁剪界面的麻烦。
PHP 的 OOP 代理生成库，能为对象自动生成代理类，用来实现延迟加载和面向切面编程等需求。
给 DeepSeek、GLM 等纯文本编码助手外挂视觉能力的插件，粘贴图片即可输出包含 OCR、版面和语义的结构化 JSON 证据。
跨平台文档扫描工具，支持 TWAIN、WIA、eSCL 和 SANE 协议，把纸质文件扫成 PDF 并内置 OCR 识别，Windows、Linux、macOS 都能用。
面向语言学习者的视频播放器，支持双语字幕、Whisper 语音识别自动生成字幕、OCR 识别画面文字，并接入大模型做实时翻译。
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。
收录 OCR、RAG、AI Agent 等可动手实践的 AI 工程案例合集，用 Python 实现，适合照着代码快速搭建和验证各类生成式 AI 应用。
开源文档解析模型，用强化自迭代（RSI）循环做后训练，在准确率和速度上达到 SOTA，适合给 LLM 和 Agent 做 OCR 与文档理解。
面向大型代码库的本地私有智能分析引擎，支持混合语义搜索、多语言依赖图、符号级影响分析和调用链追踪，可作为 MCP 或编辑器插件零配置接入，帮 AI 编程助手大幅减少 token 消耗和调用次数。
共 149 个，这里展示前 60 个。