OCRmyPDF OCRmyPDF 是一款开源的命令行工具，用于将扫描 PDF 转换为可搜索、可编辑的文档。基于 Tesseract OCR 引擎，支持 100 多种语言，具备图像优化、纠偏、清洁等功能，提升识别准确率。支持多核处理与批量操作，适合高效处理大量文件，且完全离线运行，保障数据安全。 AI项目与工具 2025年06月12日 39 点赞 0 评论 293 浏览
MonkeyOCR MonkeyOCR是由华中科技大学与金山办公联合开发的文档解析模型，能够高效地将非结构化文档内容转换为结构化信息。其支持多种文档类型和语言，处理复杂文档（如公式、表格）效果显著，处理速度达每秒0.84页。基于SRR三元组范式和MonkeyDoc数据集，模型在准确性和效率上表现优异，适用于自动化业务流程、数字存档、智能教育、医疗记录管理及学术研究等场景。 AI项目与工具 2025年06月11日 15 点赞 0 评论 292 浏览
Stirling 一个基于Web强大的开源PDF操作工具。它使您能够对 PDF 文件执行各种操作，包括拆分、合并、转换、重组、添加图像、旋转、压缩等。 Ai开源项目 2025年06月05日 22 点赞 0 评论 274 浏览
Ovis2 Ovis2是阿里巴巴国际团队开发的多模态大语言模型，采用结构化嵌入对齐技术提升视觉与文本的融合效果。支持视频、图像和多语言处理，强化了思维链推理和复杂场景下的OCR能力。提供多个参数规模的版本，适用于研究、开发及各类应用场景，展现卓越性能。 AI项目与工具 2025年06月12日 67 点赞 0 评论 273 浏览
OmniAI OmniAI是一款基于OCR与NLP技术的智能文档处理平台，支持多种文件格式的数据提取与分类。其核心功能包括批量处理、结构化数据输出以及自定义模型开发，适用于财务审计、客户服务、法律合规、医疗健康及保险理赔等多个领域，为企业提供高效的文档智能化解决方案。 AI项目与工具 2025年06月12日 79 点赞 0 评论 260 浏览
汉王语音王 汉王语音王是一款由汉王科技开发的智能语音应用程序，集成了AI语音记录、翻译和同声传译等功能。基于自主研发的多模态大模型，它支持高精度的语音转写、拍摄与录音同步、智能总结和实时翻译，适用于多语言环境。通过集成OCR技术，它能够生成图文并茂的多媒体记录，显著提高工作效率。 AI项目与工具 2025年06月12日 52 点赞 0 评论 246 浏览
