OCR

1. 首页
2. OCR

PaliGemma 2 mix

PaliGemma 2 Mix 是谷歌 DeepMind 推出的多任务视觉语言模型，支持图像描述、目标检测、OCR、文档理解等功能。模型提供多种参数规模和分辨率选项，适用于不同场景。其基于开源框架开发，易于扩展，可通过简单提示切换任务。适用于科学问题解答、文档分析、电商内容生成等多个领域。

AI项目与工具 2025年06月12日 23 点赞 0 评论 672 浏览

白描网页版

图片转文字/ 图片转Excel表格/PDF转Word

格式转换 2025年06月05日 40 点赞 0 评论 671 浏览

MonkeyOCR

MonkeyOCR是由华中科技大学与金山办公联合开发的文档解析模型，能够高效地将非结构化文档内容转换为结构化信息。其支持多种文档类型和语言，处理复杂文档（如公式、表格）效果显著，处理速度达每秒0.84页。基于SRR三元组范式和MonkeyDoc数据集，模型在准确性和效率上表现优异，适用于自动化业务流程、数字存档、智能教育、医疗记录管理及学术研究等场景。

AI项目与工具 2025年06月11日 15 点赞 0 评论 669 浏览

PDF24

一款提供全面的 PDF 解决方案的免费软件。用户可以通过 PDF24 在线和离线工具轻松合并、压缩、编辑和转换 PDF 文件。

格式转换 2025年06月05日 91 点赞 0 评论 666 浏览

OLOCR

一个简单易用的在线 OCR 文字识别工具，支持图片、PDF。用户只需将图像和PDF文件上传到平台，即可提取文本。

Ai图片处理 2025年06月05日 90 点赞 0 评论 664 浏览

Docling

Docling 是一款开源工具，支持多种文档格式的解析与转换，包括 PDF、DOCX、PPTX、图片和 HTML。它通过高级 PDF 理解和 OCR 技术，将文档内容转换为统一的结构化格式（如 Markdown 和 JSON）。Docling 可与 LlamaIndex 和 LangChain 集成，增强文档的检索和问答能力，并提供简洁的命令行界面，适用于自动化文档处理、数据科学、知识管理和信息检

AI项目与工具 2025年06月12日 41 点赞 0 评论 663 浏览

Kimi

Kimi-VL是月之暗面推出的轻量级多模态视觉语言模型，支持图像、视频、文档等多种输入形式。其基于轻量级MoE架构和原生分辨率视觉编码器，具备强大的图像感知、数学推理和OCR能力。在长上下文（128K）和复杂任务中表现优异，尤其在多模态推理和长视频理解方面超越同类模型。适用于智能客服、教育、医疗、内容创作等多个领域。

AI项目与工具 2025年06月11日 30 点赞 0 评论 660 浏览

FormX.ai

FormX.ai是一款基于AI技术的在线表单构建工具，帮助用户快速创建高质量的表单，并自动化地处理表单数据。

Ai办公效率 2025年06月05日 74 点赞 0 评论 651 浏览

TextIn

TextIn是一款利用OCR技术实现文字识别的AI平台，支持多语言且具备强大的图像处理能力。它可以从各种类型的文档中提取结构化信息，并提供灵活的部署选项，适用于金融、物流、制造业等多个领域。TextIn通过智能算法优化文档处理流程，帮助企业提升效率。

AI项目与工具 2025年06月12日 31 点赞 0 评论 649 浏览

Versatile

Versatile-OCR-Program是一款开源多模态OCR工具，支持从教育材料中提取文本、公式、表格等结构化数据，输出为JSON或Markdown格式，准确率高达90%-95%。它基于DocLayout-YOLO、Google Vision和MathPix等技术，支持多语言处理，适用于教育数据集制作、教学辅助、AI模型训练及个人学习等场景。

AI项目与工具 2025年06月11日 77 点赞 0 评论 641 浏览