文本识别

TextHarmony

TextHarmony是一款由华东师范大学与字节跳动联合开发的多模态生成模型,擅长视觉与文本信息的生成与理解。该模型基于Slide-LoRA技术,支持视觉文本生成、编辑、理解及感知等功能,广泛应用于文档分析、场景文本识别、视觉问题回答、图像编辑与增强以及信息检索等领域。通过高质量数据集的构建与多模态预训练,TextHarmony在视觉与语言生成任务中表现出色。

Manga Translator

Manga Translator是一款基于AI技术的Chrome扩展工具,支持超过135种语言的漫画对话翻译。它能够处理水平和竖排文本,适用于多种语言环境。用户可以轻松上传漫画图片,获取快速准确的翻译结果,广泛应用于跨语言阅读、语言学习及专业翻译场景。

pdf

pdf-craft 是一款专注于将扫描书籍的 PDF 文件转换为 Markdown 和 EPUB 格式的工具。它结合 DocLayout-YOLO 布局分析与 PaddleOCR 文本识别技术,精准提取正文内容并优化阅读顺序,支持跨页处理与结构化输出。适用于学术研究、电子书制作、文档存档及教育资料整理等多种场景。

CleanShot X

一款为Mac设计的强大截图和屏幕录制工具,具备快速访问、智能标注、云协作、文本识别等多种实用功能。

GOT

创新的OCR模型,它通过先进的技术提供了精准、高效的OCR解决方案。无论是文档数字化、场景文本识别还是票据处理等应用场景,GOT-OCR 2.0都能提供强大的支持。