ocr

Convierte cualquier documento PDF o imagen en datos estructurados para tu IA. Un kit de herramientas OCR potente y ligero que puentea la brecha entre imágenes/PDFs y LLMs. Compatible con más de 100 idiomas.

Transforma documentos complejos como PDFs y documentos de Office en markdown/JSON aptos para LLM para tus flujos de trabajo de Agentic.

Motor OCR de código abierto Tesseract (repositorio principal)

Software OCR gratuito y sin conexión. Soporta captura de pantalla/importación por lotes de imágenes, reconocimiento de documentos PDF, exclusión de marcas de agua/encabezados y pies de página, y escaneo/generación de códigos QR. Biblioteca multilingüe integrada.

Un sistema de gestión de documentos mejorado respaldado por la comunidad: escanea, indexa y archiva todos tus documentos

ShareX es una aplicación gratuita y de código abierto que permite a los usuarios capturar o grabar cualquier área de su pantalla con una sola pulsación de tecla. También admite la carga de imágenes, texto y varios tipos de archivos a una amplia gama de destinos.

OCR en JavaScript puro para más de 100 idiomas 📖🎉🖥

OCRmyPDF añade una capa de texto OCR a los archivos PDF escaneados, permitiendo que sean buscables

OCR listo para usar con más de 80 idiomas compatibles y todas las escrituras populares, incluyendo latín, chino, árabe, devanagari, cirílico, etc.

Analizador de PDF para datos listos para IA. Automatiza la accesibilidad de PDF. Código abierto.

🌈 Un software multiplataforma para traducción de texto y reconocimiento OCR.

pix2tex: uso de un ViT para convertir imágenes de ecuaciones en código LaTeX

Convierte documentos en datos estructurados sin esfuerzo. Unstructured es una solución ETL de código abierto para transformar documentos complejos en formatos limpios y estructurados para modelos de lenguaje. Visita nuestro sitio web para obtener más información sobre nuestro producto de plataforma de nivel empresarial para flujos de trabajo de producción, particionamiento, enriquecimientos, fragmentación e incrustación.

Convierte sitios web de documentación, repositorios de GitHub y archivos PDF en habilidades de Claude AI con detección automática de conflictos

Reconocimiento de códigos de verificación universal OCR, versión pypi

Una aplicación de diccionario y traductor para macOS concisa y elegante.

Traductor de novelas visuales / Visual Novel Translator

OCR en chino ultraligero, compatible con reconocimiento de texto vertical y motores de inferencia ncnn, mnn, tnn (dbnet(1.8M) + crnn(2.5M) + anglenet(378KB)), modelo total de solo 4.7M

OCR y extracción de documentos usando modelos de visión

Un analizador de documentos rápido, útil y de código abierto

Modelo OCR que maneja tablas complejas, formularios y escritura a mano con diseño completo.

BISHENG es una plataforma DevOps de LLM abierta para aplicaciones de IA empresarial de próxima generación. Las características potentes e integrales incluyen: flujo de trabajo GenAI, RAG, Agent, gestión unificada de modelos, evaluación, SFT, gestión de conjuntos de datos, gestión de sistemas a nivel empresarial, observabilidad y más.

PyMuPDF es una biblioteca de Python de alto rendimiento para la extracción, análisis, conversión y manipulación de documentos PDF (y otros).

Traducir manga/imágenes. Traducción con un clic de textos dentro de imágenes https://cotrans.touhou.ai/ (ya no funciona)

X-AnyLabeling: una aplicación de escritorio multiplataforma ligera, eficiente y unificada para anotar texto, imágenes, video y datos multimodales, que combina herramientas versátiles integradas con modelos de IA de última generación y una exportación flexible en múltiples formatos.

Bob es un software de traducción y OCR para la plataforma macOS.

Extracción de subtítulos incrustados en video para generar archivos srt. Sin necesidad de solicitar API de terceros, reconocimiento de texto local. Framework de extracción de subtítulos basado en deep learning, que incluye detección de área y extracción de contenido.

El repositorio oficial de “Dolphin: Document Image Parsing via Heterogeneous Anchor Prompting”, ACL, 2025.

Una herramienta de traducción y OCR lista para usar desarrollada con WPF

Experimenta, aprende y programa las últimas innovaciones revolucionarias con Microsoft AI