产品库

一站式数据解析平台，优化数据与通用人工智能框架的兼容性。

OmniParse是一个数据解析平台，能够将各种非结构化数据转换为结构化、可操作的数据，特别适用于通用人工智能（GenAI）应用。它支持文档、表格、图片、视频、音频文件和网页等数据类型，通过提供清洁、结构化的数据，为人工智能应用如RAG、微调等做好准备。

Python 网络爬虫和浏览器自动化库

Crawlee 是一个用于构建可靠爬虫的 Python 网络爬虫和浏览器自动化库，提取数据用于AI、LLMs、RAG或GPTs。它提供了统一的接口来处理 HTTP 和无头浏览器爬取任务，支持自动并行爬取，基于系统资源进行调整。Crawlee 用 Python 编写，包含类型提示，增强了开发体验并减少了错误。它具备自动重试、集成代理轮换和会话管理、可配置的请求路由、持久化 URL 队列、可插拔的存储选项等功能。相较于 Scrapy，Crawlee 提供了对无头浏览器爬取的原生支持，拥有简洁优雅的接口，并且完全基于标准的异步 IO。

OCR解决方案API | 文档OCR文本识别

Pixl OCR Solution API是一款高效的OCR解决方案API，可以简化文档OCR文本识别流程。轻松从图像和文档中提取文本，实现快速信息检索。通过集成我们强大的API，不仅可以降低劳动成本，还能实现更快速和更明智的决策。

一个强大的OCR包，使用最先进的视觉语言模型提取图像中的文本。

ollama-ocr是一个基于ollama的光学字符识别（OCR）模型，能够从图像中提取文本。它利用先进的视觉语言模型，如LLaVA、Llama 3.2 Vision和MiniCPM-V 2.6，提供高精度的文本识别。该模型对于需要从图片中获取文本信息的场景非常有用，如文档扫描、图像内容分析等。它开源免费，易于集成到各种项目中。

利用大型语言模型增强扫描PDF的OCR输出。

llm_aided_ocr是一个高级系统，旨在显著提高光学字符识别（OCR）输出的质量。通过利用尖端的自然语言处理技术和大型语言模型（LLMs），该项目将原始OCR文本转化为高度准确、格式良好、易读的文档。

一种简单直观的PDF OCR工具，使用gpt-4o-mini进行文档转换。

Zerox OCR是一个基于gpt-4o-mini的PDF文档转换工具，它通过将PDF文件转换为图像，然后利用GPT模型将图像内容转换为Markdown格式，从而实现对文档的高效OCR处理。该工具在价格上具有竞争力，并且能够提供比现有产品更有意义的结果。

免费 npm 库，用 Llama 3.2 Vision 进行 OCR，输出 markdown 文本

开源 npm 库，免费使用 Llama 3.2 Vision 进行 OCR，支持本地和远程图像，计划支持 PDF，受 Zerox 启发，有免费和付费接口

一个强大的OCR（光学字符识别）工具

Ollama-OCR是一个使用最新视觉语言模型的OCR工具，通过Ollama提供技术支持，能够从图像中提取文本。它支持多种输出格式，包括Markdown、纯文本、JSON、结构化数据和键值对，并且支持批量处理功能。这个项目以Python包和Streamlit网络应用的形式提供，方便用户在不同场景下使用。

通过统一的端到端模型实现OCR-2.0

GOT-OCR2.0是一个开源的OCR模型，旨在通过一个统一的端到端模型推动光学字符识别技术向OCR-2.0迈进。该模型支持多种OCR任务，包括但不限于普通文本识别、格式化文本识别、细粒度OCR、多裁剪OCR和多页OCR。它基于最新的深度学习技术，能够处理复杂的文本识别场景，并且具有较高的准确率和效率。

一个针对机器学习优化的多模态 OCR 管道。

该产品是一个专门设计的 OCR 系统，旨在从复杂的教育材料中提取结构化数据，支持多语言文本、数学公式、表格和图表，能够生成适用于机器学习训练的高质量数据集。该系统利用多种技术和 API，能够提供高精度的提取结果，适合学术研究和教育工作者使用。

将大型语言模型和聊天引入到 Web 浏览器中

Web LLM 是一个模块化、可定制的 JavaScript 包，可直接将语言模型聊天引入到 Web 浏览器中。一切都在浏览器内部运行，无需服务器支持，并且通过 WebGPU 进行加速。它可以为大家构建 AI 助手提供很多有趣的机会，并在享受 GPU 加速时保护隐私。此项目是 MLC LLM 的附属项目，MLC LLM 可以在 iPhone 和其他本地环境中本地运行 LLM。

一键生成全栈Web应用

GPT Web App Generator是一款基于Wasp、React、Node.js和Prisma的全栈Web应用生成器。它可以帮助用户快速创建具有前后端功能的Web应用，包括React前端界面、Node.js后端逻辑和Prisma数据库集成。该应用通过使用GPT和Wasp全栈框架的魔力来生成代码，简化了开发过程。用户只需提供应用名称、描述、品牌颜色等基本信息，即可生成完整的Web应用代码。

利用OpenAI的GPT-4 Turbo模型进行高效OCR处理

这是一个开源的OCR API，利用OpenAI强大的语言模型和优化的性能技术（如并行处理和批处理）来实现从复杂PDF文档中提取高质量文本。非常适合寻求高效文档数字化和数据提取解决方案的企业。

基于Stable Diffusion的图像生成Web界面

Stable Diffusion web UI是一个基于Stable Diffusion模型的Web界面，使用Gradio库实现，提供了多种图像生成功能，包括txt2img和img2img模式，一键安装和运行脚本，以及高级的图像处理选项，如Outpainting、Inpainting、Color Sketch等。它支持多种硬件平台，包括NVidia、AMD、Intel和Ascend NPUs，并提供了详细的安装和运行指南。

将手写笔记、表格、文件等转换为数字文本，使用我们基于人工智能的OCR引擎，无与伦比的准确性。

手写文字转换为文本的最准确工具，采用人工智能技术，能够将各种难以辨认的手写文字转换为数字文本，大大节省了编辑时间，提高了工作效率。产品的主要优点是准确性高、速度快，可适用于各种手写文本的转换需求。价格灵活，可按页收费或订阅。

快速扫描和转换文本

OCR Magic是一款终极文本识别应用，支持几乎所有语言。借助我们先进的光学字符识别技术，您可以轻松扫描和转换图像和文档中的文本为可编辑和可搜索的数字文本。 无论您是学生、专业人士还是只想简化工作流程，OCR Magic都能满足您的需求。只需上传图像或文档，我们的应用程序将快速提取文本并将其翻译为您选择的语言。不再需要重新输入或手动转录 - OCR Magic使得处理任何来源的文本变得轻松。 但这还不是全部 - OCR Magic还配备了一系列有用的功能，以增强您的文本识别体验。支持多种文件格式、自动语言检测和可定制的输出选项，您可以根据自己的需求定制我们的应用程序。 不要再浪费时间手动转录文本 - 立即尝试OCR Magic，革新您的文本识别工作流程！

Gemini Recognize和注释代码截图的OCR工具

Pic2Code是由Gemini Recognize提供支持的代码截图OCR工具。它可以识别和注释从视频或文章中粘贴的代码截图。通过使用Pic2Code，用户可以省去手动敲代码的步骤，提高工作效率。

高效OCR阅读工具，快速获取书籍精华。

小虫快读是一款基于OCR和AI大语言模型的高效阅读工具，通过手机相机拍摄书籍页面，利用先进的OCR技术自动识别文字，AI大语言模型几秒内生成书籍的核心内容和精华总结，并通过AI语音播放功能，让用户轻松听书，解放双眼，提升学习效率。

免费在线OCR和AI图像转文字

GrabText是一款免费在线OCR工具，可以将手写笔记、数学公式和打印文字转换为可编辑的数字内容。支持从图片、纸张、收据、PPT和书籍中转录。可将手写的想法精确转换为Latex公式。

专业Web和AI图表

DGM是一款专业的图表应用，拥有丰富的功能和优势。它支持智能形状，可以在Web上发布图表，并利用视觉AI生成代码。产品定价灵活，定位于满足用户对高质量图表需求的专业人士。

Mistral OCR 是一款先进的光学字符识别 API，能够精准理解和解析复杂文档。

Mistral OCR 是 Mistral AI 推出的一款光学字符识别（OCR）API，旨在通过高效解析文档内容，推动信息的快速提取与应用。它能够处理多种格式的文档，包括 PDF 和图像，并以极高的准确率提取文本、表格、公式和图像等元素。该技术的核心优势在于其对复杂文档的深度理解能力，支持多语言和多模态输入，适用于全球范围内的企业和机构。其定价为每1000页1美元，适合大规模文档处理场景。

即用即走的翻译、OCR工具

STranslate是一款集成了翻译和OCR功能的在线工具，它支持多种语言翻译，包括输入、划词、截图等多种翻译方式，并能同时显示多个服务的翻译结果，方便用户比较。OCR功能支持中英日韩等多种语言，基于PaddleOCR技术，提供快速准确的识别效果。此外，STranslate还支持多家翻译服务接入，并提供免费API。产品背景信息显示，STranslate由ZGGSONG开发，旨在为用户提供便捷、高效的翻译和OCR服务。

A directory for web development experts.

cursor.directory 是一个为网络开发专家设计的资源目录，它提供了一个平台，让专家可以分享他们对各种技术和工具的专业知识。它让提供了各种编程语言的Cursor配置文件和提示词库，提供提示词能够帮助 Cursor 编辑器更好地理解开发者的意图，为代码补全、错误修复和其他编辑功能提供更准确的支持。这些提示词涵盖了多种流行的编程语言和框架，如Python、React、TypeScript、Next.js、FastAPI等。同时，用户也可以通过提交自己的规则来贡献内容。这个平台特别强调了对TypeScript、Node.js、React等现代web开发技术的深入理解和最佳实践。

Build web apps lightning fast

Debuild是一个能够快速构建网页应用的工具，具有简单易用的界面和强大的功能。它提供了丰富的模板和组件，可以帮助用户快速构建出高质量的网页应用。Debuild还支持自定义代码和插件的集成，可以满足各种不同的需求。定价灵活，适用于个人开发者和小型团队。

无代码构建 Web 应用

Momen 重新定义了软件构建的方式。作为一个无代码工具，可以帮助您构建可扩展的 MVP、SaaS 平台和市场，而无需编写任何代码。

轻量级OCR模型，推理速度快

OnnxOCR是基于PaddleOCR重构的轻量级OCR模型，它脱离了PaddlePaddle深度学习训练框架，实现了快速的推理速度。该模型支持超过80种语言的推理，并在转换为ONNX模型后，推理速度比使用PaddlePaddle框架快5倍。OnnxOCR独立于深度学习训练框架，可以直接部署，适用于计算能力有限但需要保持准确性的场景，并且可以在ARM和x86架构的计算机上部署。

高效CPU本地离线LaTeX识别工具

MixTeX是一个创新的多模态LaTeX识别小程序，由团队独立开发，能够在本地离线环境中执行高效的基于CPU的推理。无论是LaTeX公式、表格还是混合文本，MixTeX都能轻松识别，支持中英文处理。得益于强大的技术支持和优化设计，MixTeX无需GPU资源即可高效运行，适合任何Windows电脑，极大地方便了用户体验。

Whisper Web是一个基于GPT的免费在线应用

Whisper Web是一个基于GPT-3的免费在线应用,用户可以通过自然语言提示,生成各种文字内容。它拥有强大的NLP能力,可以帮助用户提高工作效率,同时提供沉浸式的用户体验。该应用旨在创造一个开放、包容的在线社区,让更多用户体验GPT-3的魅力。