タグ: OCR

包括的な紹介 Ollama OCRは、Ollamaプラットフォームが提供する最先端の視覚言語モデルを使用して画像からテキストを抽出する、強力な光学式文字認識（OCR）ツールキットです。このプロジェクトは、Pythonパッケージとして利用できるほか、ユーザーフレンドリーなStreamlitウェブ・アプリケーション・インターフェースを提供しています。このツールキットは複数の...

一般的な紹介 STranslateは、WPFによって開発されたすぐに使用できる翻訳とOCRツールです。STranslateはオープンソースプロジェクトであり、ユーザーは自由にダウンロードして使用することができます。

概要 VisionParserは、領収書や請求書を処理するために設計されたOCR（光学式文字認識）ツールです。高度な生成AI技術により、VisionParserはあらゆる種類の領収書や請求書を、小売、飲食、B2Bサービスなどの幅広い業界の構造化データに迅速かつ正確に変換することができます。

包括的な紹介 Chunkrは、PDF、PPTX、DOCX、ExcelファイルをRAG（Retrieval Augmented Generation）やLLM（Large Language Modelling）で使用するのに適したデータに変換するためのセルフホストAPIです。このAPIはLumina AI Inc.によって開発され、ドキュメントの取り込みに高度なビジュアルモデルを使用しています。

一般的な紹介 Llama OCRは、Llama 3.2 VisionをベースにしたOCR（光学式文字認識）ライブラリで、文書をMarkdown形式に変換します。Nutlopeによって開発されたこのライブラリーは、Together AIによって提供される無料のLlama 3.2インターフェースを使用し、画像を解析してMarkdown...

包括的な紹介 Doclingは、PDF、DOCX、PPTX、XLSX、画像、HTML、AsciiDocおよびMarkdownを含む幅広い文書形式をサポートする、強力な文書解析およびエクスポートツールです。

包括的な紹介 ViTLP（Visually Guided Generative Text-Layout Pre-training for Document Intelligence）は、視覚的にガイドされた生成的なテキストレイアウトの事前学習モデルを通じて、ドキュメントインテリジェンス処理を強化することを目的としたオープンソースプロジェクトです。このプロジェクトはVeason-silverbul...によって開発されました。

概要 ScreenPipeはmediar-aiが開発したAIアシスタントで、24時間365日、スクリーンコンテンツの録画、スクリーンショットのキャプチャ、音声の録音に特化している。

概要 テキスト抽出API（text-extract-api）は、様々な文書形式（PDF、Word、PPTXなど）からコンテンツを抽出・解析するために設計された強力なツールです。このAPIは、最先端の光学式文字認識（OCR）技術とOllamaがサポートするモデルを利用し、あらゆる文書や画像を...

概要 Picture to Excel Free Toolは、画像からExcelファイルへの表形式データの変換を迅速かつ正確に行うことができる効率的なオンラインツールです。このツールは、JPGやPNGなどの幅広い画像形式をサポートしており、Webページ、iOSアプリ、Androidアプリで使用することができます。高度なAI技術により...

包括的な紹介 Datalabは、OCR、レイアウト分析、PDFからMarkdownへの変換などに焦点を当てた高度なAIモデルを幅広く提供しています。これらのモデルは高性能であるだけでなく、使いやすくオープンソースです。プラットフォーム上のMarkerモデルは、表を含むPDFを素早く正確にMarkdownに変換することができます...

一般的な紹介 eSearchはxushengfengによって開発されたオープンソースのクロスプラットフォームスクリーンショットツールで、Windows、macOS、Linuxをサポートしています。eSearchは、OCR認識、検索、翻訳、貼り付け、画像検索、画面録画を含む様々な機能を統合しています。eSearchはスクリーンショット、OCR認識、検索、翻訳、マッピング、画像検索、画面録画を含む様々な機能を統合している。