Modelo de restauración facial a ciegas basado en PyTorch que repara fotos de rostros degradadas, de baja calidad o antiguas mediante un transformer con búsqueda en un codebook.
18,2 mil3,7 milPythonOtherActualizado hace 11 meses
mindee/doctr
Una biblioteca de OCR de código abierto para Python que detecta y reconoce texto en PDF e imágenes mediante modelos de deep learning basados en PyTorch.
Alternativa open source a:ABBYY FineReader
Adobe Acrobat OCR
- Estrellas
- 6,391
- Forks
- 687
- Issues abiertos
- 24
- Último commit
- anteayer
¿Qué es?
docTR (Document Text Recognition) es una biblioteca de Python para el reconocimiento óptico de caracteres. Ejecuta OCR de extremo a extremo en dos etapas: primero, un modelo de detección de texto localiza las palabras en una página; después, un modelo de reconocimiento de texto lee los caracteres de cada palabra. Acepta PDF, archivos de imagen o páginas web convertidas en documentos, y genera un objeto Document estructurado con páginas, bloques, líneas y palabras que se puede exportar como JSON anidado.
La biblioteca incluye varias arquitecturas de detección (DBNet, LinkNet, FAST) y de reconocimiento (CRNN, SAR, MASTER, ViTSTR, PARSeq, VIPTR), además de pesos preentrenados. También ofrece un predictor de extracción de información clave (KIE) para detectar varias clases, como fechas o direcciones; un paso opcional de detección de la estructura de la página; y un modelo de reconocimiento de estructuras de tablas. Puede procesar páginas y texto rotados mediante cuadros delimitadores rectos o rotados.
Los desarrolladores pueden instalarla con pip, ejecutarla desde la línea de comandos mediante un script de ejemplo, desplegar una plantilla de FastAPI con rutas para detección, reconocimiento, OCR y KIE, o usar las imágenes de Docker disponibles, que incluyen compatibilidad con GPU.
Funciones clave
- 01Pipeline de OCR en dos etapas que combina la detección y el reconocimiento de texto.
- 02Acepta PDF, imágenes y páginas web como entrada.
- 03Permite elegir entre varias arquitecturas de detección y reconocimiento preentrenadas.
- 04Predictor de extracción de información clave para la detección de varias clases.
- 05Exporta los resultados como objetos estructurados o JSON anidado, con visualización y síntesis de páginas.
- 06Es compatible con los backends de PyTorch y TensorFlow 2; ofrece imágenes de Docker con compatibilidad con GPU.
Casos de uso
- Extraer palabras y sus posiciones de documentos escaneados o PDF.
- Extraer campos específicos, como fechas o direcciones, de formularios con el predictor KIE.
- Ofrecer OCR mediante un endpoint de API con la plantilla de FastAPI incluida.
- Reconocer estructuras de tablas o la distribución de páginas como parte de un pipeline de procesamiento de documentos.
Temas
Preguntas frecuentes
- ¿Qué es doctr?
- Una biblioteca de OCR de código abierto para Python que detecta y reconoce texto en PDF e imágenes mediante modelos de deep learning basados en PyTorch. docTR (Document Text Recognition) es una biblioteca de Python para el reconocimiento óptico de caracteres. Ejecuta OCR de extremo a extremo en dos etapas: primero, un modelo de detección de texto localiza las palabras en una página; después, un modelo de reconocimiento de texto lee los caracteres de cada palabra. Acepta PDF, archivos de imagen o páginas web convertidas en documentos, y genera un objeto Document estructurado con páginas, bloques, líneas y palabras que se puede exportar como JSON anidado.
- ¿doctr es gratuito? ¿Qué licencia tiene?
- doctr es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿doctr sigue mantenido?
- Mantenimiento activo. El último commit de doctr fue el 16 oct 2026.
- ¿Para qué puedo usar doctr?
- Extraer palabras y sus posiciones de documentos escaneados o PDF. Extraer campos específicos, como fechas o direcciones, de formularios con el predictor KIE. Ofrecer OCR mediante un endpoint de API con la plantilla de FastAPI incluida. Reconocer estructuras de tablas o la distribución de páginas como parte de un pipeline de procesamiento de documentos.
- ¿Dónde consigo doctr?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/mindee/doctr
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Toolkit de código abierto de Unity que permite usar juegos y simulaciones como entornos para entrenar agentes de IA mediante aprendizaje por refuerzo e imitación.
19,8 mil4,5 milC#OtherActualizado hace 5 días
Plataforma de código abierto y autoalojada para editar, firmar, censurar, convertir y automatizar PDF desde el navegador, el escritorio o mediante API.
94,4 mil11,7 milTypeScriptOtherActualizado hace 58 minutos
Biblioteca de Rust y CLI que clasifica los PDF como basados en texto o escaneados y extrae Markdown limpio sin usar OCR de forma predeterminada.
19,7 mil1,3 milRustMITActualizado hace 11 días
GUI de grafo de nodos, API y backend para ejecutar modelos de difusión localmente y generar imágenes, video, audio y contenido 3D.
IA y Machine Learning#stable-diffusion#diffusion-models#image-generation#video-generation#node-editor
138,5 mil16,5 milPythonGPL-3.0Actualizado hace 2 horas
Modelos generativos de video de código abierto que crean videos a partir de texto, imágenes, voz o movimientos de personajes, con opciones MoE y 720P.
IA y Machine Learning#video-generation#diffusion-model#text-to-video#image-to-video#mixture-of-experts
18 mil2,3 milPythonApache-2.0Actualizado hace 28 días