Proyectos open source sobre «ocr»

Una app nativa y privada para macOS que guarda páginas, texto, enlaces, notas e imágenes, y permite encontrarlos con búsqueda de texto completo y OCR.

Parser de documentos de código abierto que convierte PDF, Office, HTML y otros archivos en datos estructurados para pipelines de IA generativa.

Herramienta de escritorio que descarga facturas electrónicas (PDF, OFD, XML) del correo de QQ o 163, las reconoce con OCR, las organiza en carpetas y genera un resumen de gastos en Excel.

Aplicación web para ejecutar DeepSeek-OCR con imágenes y PDF, con frontend en React, backend en FastAPI y configuración de Docker.

Editor de imágenes para Android con decenas de herramientas: desde recortar y dibujar hasta más de 500 filtros, OCR, eliminación de fondos y herramientas para PDF.

Servicio FastAPI autoalojado que convierte PDF, imágenes y documentos de Office a Markdown o JSON estructurado, con OCR, LLM locales mediante Ollama y eliminación de datos personales.

Un parser rápido y local de PDF y documentos en Rust, con extracción de texto mediante cuadros delimitadores, OCR con Tesseract o HTTP y salida en Markdown, JSON o texto.

App de contabilidad autoalojada que usa LLM para extraer datos de recibos, facturas y PDF y guardarlos en una base de datos estructurada de transacciones.

Utilidad de OCR para Windows que captura texto de regiones de la pantalla, imágenes, PDF y archivos, lo procesa localmente y copia o envía el resultado.

Biblioteca de Python e interfaz web que convierte PDF, DOCX, PPTX, XLSX, imágenes y URL a Markdown, JSON, CSV o HTML, con OCR y extracción de campos estructurados.

Biblioteca de Python para IA documental que integra análisis de diseño, OCR, reconocimiento de tablas y clasificación de tokens en pipelines configurables.

App de macOS para la barra de menús que captura texto de cualquier zona de la pantalla con OCR y lo copia al portapapeles, sin conexión.

Biblioteca OCR de Python de código abierto que detecta y reconoce texto en PDF e imágenes con modelos de deep learning basados en PyTorch.

App de escritorio para hacer capturas de pantalla, grabar la pantalla y usar OCR local en macOS, Windows y Linux, con los archivos guardados en tu equipo.

Un asistente de chat que analiza la conversación, evalúa la intención y el riesgo, y redacta respuestas que tú envías en Android, Windows, macOS e iOS.

Modelo multimodal de pesos abiertos y 9B parámetros para comprensión visual, razonamiento espacial, uso de herramientas por agentes e investigación en IA corporeizada, basado en Qwen3.5 y C-RADIOv4-H.

App de macOS local-first que permite buscar fotos y fotogramas de video en cualquier carpeta describiéndolos en lenguaje natural, con IA ejecutada en el dispositivo.

Kit de herramientas PDF para Android, sin conexión y centrado en la privacidad, que permite combinar, dividir, comprimir, convertir, firmar y anotar PDF directamente en el dispositivo.

Un modelo multimodal unificado que realiza tareas de visión por computadora como detección, OCR, segmentación, estimación de profundidad y geometría multivista mediante generación de texto e imágenes.

App open source para Android e iOS que escanea documentos y los convierte en PDF con OCR; desarrollada con NativeScript, OpenCV y Tesseract.