Tags: OCR

Umfassende Einführung Das vielseitige OCR-Programm ist ein Open-Source-Tool für die optische Zeichenerkennung (OCR), das für die Verarbeitung komplexer akademischer und pädagogischer Dokumente entwickelt wurde. Es kann Text, Tabellen, mathematische Formeln, Diagramme und Schemata aus PDFs, Bildern und anderen Dokumenten extrahieren und eine Struktur erzeugen, die für das Training von maschinellem Lernen geeignet ist...

Umfassende Einführung Es analysiert automatisch das Layout von PDF-Dokumenten, identifiziert Text, Titel, Bilder, Tabellen, Formeln und andere Elemente auf der Seite und bestimmt ihre richtige Reihenfolge. Das Tool unterstützt OCR-Funktionalität, Sie können gescannte PDF in durchsuchbaren Text umwandeln. Es läuft auf Docker , bietet zwei Modelle: visuelles Modell (Vis...

Umfassende Einführung RolmOCR ist ein Open Source Optical Character Recognition (OCR) Tool, das vom Reducto AI Team entwickelt wurde und auf dem visuellen Sprachmodell Qwen2.5-VL-7B basiert. Es kann Text aus Bildern und PDF-Dateien schneller als ähnliche Tools extrahieren olmOCR, geringerer Speicherbedarf.RolmOCR ist nicht...

Allgemeine Einführung uniOCR ist ein Open-Source-Tool zur Texterkennung, das vom mediar-ai-Team entwickelt wurde. Es basiert auf der Sprache Rust und unterstützt macOS-, Windows- und Linux-Systeme. Es unterstützt macOS, Windows und Linux-Systeme. Benutzer können es verwenden, um Text aus Bildern zu extrahieren, die Bedienung ist einfach und kostenlos. uniOCRs Hauptmerkmal ist die plattformübergreifende Unterstützung...

Allgemeine Einführung PDF Craft ist ein Open-Source-Tool, mit dem PDFs von Büchern gescannt und in das Markdown-Format konvertiert werden können. Es wird von oomol-lab entwickelt und auf GitHub gehostet für Benutzer, die ihre E-Books organisieren möchten. Das Tool läuft über ein lokales KI-Modell, ohne dass eine Internetverbindung erforderlich ist, was sowohl die Privatsphäre als auch den Platz...

SmolDocling ist ein Visual Language Model (VLM), das vom ds4sd-Team in Zusammenarbeit mit IBM entwickelt wurde und auf SmolVLM-256M basiert und auf der Hugging Face-Plattform gehostet wird. SmolDocling ist ein Visual Language Model (VLM), das auf SmolVLM-256M basiert und auf der Hugging Face Plattform gehostet wird. Es ist das weltweit kleinste VLM mit nur 256M Parametern und seine Kernfunktion ist es,...

In der langen Geschichte der menschlichen Zivilisation hat jeder Sprung in der Art und Weise, wie Informationen erworben und ausgewertet werden, den sozialen Fortschritt entscheidend vorangetrieben. Von den antiken Hieroglyphen über den tragbaren Papyrus bis hin zur späteren Entwicklung des Buchdrucks und der heutigen digitalen Welle hat jede technologische Innovation die Weitergabe von menschlichem Wissen erheblich erweitert...

Umfassende Einführung Ollama OCR ist ein leistungsstarkes Toolkit für die optische Zeichenerkennung (OCR), das das hochmoderne visuelle Sprachmodell der Ollama-Plattform nutzt, um Text aus Bildern zu extrahieren. Das Projekt ist sowohl als Python-Paket als auch als benutzerfreundliche Streamlit-Webanwendungsschnittstelle verfügbar. Es unterstützt mehrere ...

Allgemeine Einführung STranslate ist ein gebrauchsfertiges Übersetzungs- und OCR-Tool, das von WPF entwickelt wurde. Das Tool wurde entwickelt, um eine effiziente und bequeme Übersetzung und OCR-Funktionalität (Optical Character Recognition) für eine Vielzahl von Sprachen und Texttypen zu bieten.STranslate ist ein Open-Source-Projekt, das Benutzer frei herunterladen und...

Allgemeine Beschreibung VisionParser ist ein OCR-Tool (Optical Character Recognition) für die Verarbeitung von Quittungen und Rechnungen. Durch die fortschrittliche generative KI-Technologie ist VisionParser in der Lage, alle Arten von Quittungen und Rechnungen schnell und genau in strukturierte Daten für eine Vielzahl von Branchen wie Einzelhandel, Catering, B2B-Dienstleistungen... zu konvertieren.

Umfassende Einführung Chunkr ist eine selbst gehostete API zur Konvertierung von PDF-, PPTX-, DOCX- und Excel-Dateien in Daten, die für die Verwendung in RAG (Retrieval Augmented Generation) und LLM (Large Language Modelling) geeignet sind. Sie wurde von Lumina AI Inc. entwickelt und verwendet fortschrittliche visuelle Modelle für die Aufnahme von Dokumenten...

Allgemeine Einführung Llama OCR ist eine OCR-Bibliothek (Optical Character Recognition), die auf Llama 3.2 Vision basiert und Dokumente in das Markdown-Format konvertiert. Die von Nutlope entwickelte Bibliothek verwendet die kostenlose Llama 3.2-Schnittstelle von Together AI, um Bilder zu analysieren und Markdown-Dokumente...

Umfassende Einführung Docling ist ein leistungsfähiges Tool zum Parsen und Exportieren von Dokumenten, das eine Vielzahl von Dokumentenformaten unterstützt, darunter PDF, DOCX, PPTX, XLSX, Image, HTML, AsciiDoc und Markdown, und diese Dokumente in die Formate HTML, Markdown und JSON parsen und exportieren kann.

Umfassende Einführung ViTLP (Visually Guided Generative Text-Layout Pre-training for Document Intelligence) ist ein Open-Source-Projekt, das darauf abzielt, die Verarbeitung von Dokumentenintelligenz durch visuell geführte generative Text-Layout Pre-training Modelle zu verbessern. Das Projekt wurde von Veason-silverbul entwickelt...

Allgemeine Einführung ScreenPipe ist ein von mediar-ai entwickelter KI-Assistent, der sich auf die Aufnahme von Bildschirminhalten, Screenshots und Audio 24/7 konzentriert. Er kombiniert die Technologie von rewind.ai und cursor.com, um aufgezeichnete Daten in einer lokalen Datenbank zu speichern und unterstützt chinesische ...

Allgemeine Beschreibung Die Textextraktions-API (text-extract-api) ist ein leistungsfähiges Tool zum Extrahieren und Parsen von Inhalten aus einer Vielzahl von Dokumentformaten (z.B. PDF, Word, PPTX, etc.). Die API nutzt modernste OCR-Technologie (Optical Character Recognition) und Ollama-unterstützte Modelle, um jedes beliebige Dokument oder Bild zu...

Allgemeine Beschreibung Picture to Excel Free Tool ist ein effizientes Online-Tool, das schnell und präzise Tabellendaten aus Bildern in Excel-Dateien identifizieren und konvertieren kann. Das Tool unterstützt eine Vielzahl von Bildformaten, wie JPG und PNG, und kann auf Webseiten, iOS-Apps und Android-Apps verwendet werden. Durch fortschrittliche KI-Technologie...

Umfassende Einführung Datalab bietet eine Reihe von fortschrittlichen KI-Modellen mit Schwerpunkt auf OCR, Layout-Analyse, PDF zu Markdown und mehr. Diese Modelle sind nicht nur sehr leistungsfähig, sondern auch einfach zu bedienen und quelloffen. Die Marker-Modelle auf der Plattform können PDF schnell und präzise in Markdown konvertieren, einschließlich Tabellen...

Allgemeine Einführung eSearch ist ein von xushengfeng entwickeltes, plattformübergreifendes Open-Source-Screenshot-Tool, das Windows-, macOS- und Linux-Systeme unterstützt. eSearch integriert eine Vielzahl von Funktionen wie OCR-Erkennung, Suche, Übersetzung, Buchung, Bildsuche und Bildschirmaufzeichnung. Es integriert eine Vielzahl von Funktionen wie Screenshot, OCR-Erkennung, Suche, Übersetzung, Mapping, Bildsuche und Bildschirmaufzeichnung. eSearch verwendet Electron Box...