产品库

OCR 图片转文字识别软件

Umi-OCR 是一款离线的 OCR 图片转文字识别软件，可以将图片中的文字转换为可编辑的文本。它支持截屏、批量导入图片，可以识别多国语言、合并段落、排除水印区域等功能。Umi-OCR 基于 PaddleOCR 引擎，具有高效准确的识别能力。该软件完全免费，适用于 Windows 操作系统。

使用相机和图像进行任意语言翻译

图片转文字：英文翻译是一款提供翻译服务的工具应用。它具备图像转文字、在线OCR和图像添加文字等多个实用功能。用户可以通过这些功能从任何图片或文档中轻松翻译文字，使跨语言沟通变得轻松便捷。该应用支持100多种语言，用户可以随时随地与任何人进行沟通。

图片转文字、文字转图片、自定义对话，一切尽在SnapGPT

SnapGPT不仅仅是一个文字识别工具，它还是一个友好的聊天机器人助手！您可以通过SnapGPT提取摘要、获取建议，甚至提取关键信息和购物清单。通过SnapGPT的图片转文字和语音转文字功能，您的工作效率将更上一层楼，就像有一个随时待命的个人助理！

将PDF转换为可搜索的PDF

GetSearchablePDF是一款在线工具，可以将PDF文档转换为可搜索的PDF。它使用先进的OCR技术，可以在几秒钟内识别文本，并将其转换为可搜索的PDF格式。用户只需将PDF文件拖放到输入文件夹中，即可进行转换。该产品具有最高水平的OCR准确性和安全性，还支持手写文字识别。GetSearchablePDF提供不同的定价计划，用户可以根据自己的需求选择合适的套餐。

智能语音与视觉服务平台

有道智云AI开放平台是网易有道旗下,致力于为开发者、企业和政府机构提供自然语言翻译、文字识别OCR等服务以及行业解决方案的云服务平台。平台拥有业内顶尖的神经网络翻译引擎、OCR识别技术以及语音技术,可以大幅提高用户工作效率,并且价格合理。平台已经服务数万家知名企业,为用户提供了三年优质、可靠、安全的云服务。

用我们的OCR词典和其他语言学习工具，轻松学习日语

Gengo是一款集成OCR词典和工具的漫画和轻小说阅读器，专为有效学习日语而设计。该项目在AJATT和其他沉浸式语言学习方法以及缺乏坚实跨平台替代品的“Kaku”安卓应用的启发下诞生。

基于Java的全能视觉智能识别项目

JavaVision是一个基于Java开发的全能视觉智能识别项目，它不仅实现了PaddleOCR-V4、YoloV8物体识别、人脸识别、以图搜图等核心功能，还可以轻松扩展到其他领域，如语音识别、动物识别、安防检查等。项目特点包括使用SpringBoot框架、多功能性、高性能、可靠稳定、易于集成和灵活可拓展。JavaVision旨在为Java开发者提供一个全面的视觉智能识别解决方案，让他们能够以熟悉且喜爱的编程语言构建出先进、可靠且易于集成的AI应用。

NoteButler是一个可以在Notion中使PDF文档具有搜索功能的工具。

NoteButler通过自动将PDF转换为文本，并在同一页添加AI摘要，使得在Notion中的PDF文档具有搜索功能。它能够提供OCR功能，并添加AI摘要，让那些通常无法在Notion中搜索的内容变得可搜索和可访问。

手写识别AI助手

Pen2txt是一款利用OCR和人工智能进行手写文本识别的产品。它可以将手写笔记转换为可编辑、可搜索的数字文本，适用于学生、专业人士以及任何需要将纸质文件转换为数字形式的人群。Pen2txt凭借准确、可搜索和可编辑的结果，提高了工作效率。

快速将图片中的文字转换为可编辑文本

2txt是一个在线OCR工具，能够将图片中的文字内容快速识别并转换成可编辑的文本格式。它支持多种语言的识别，并且操作简单，用户只需上传图片即可获得结果。该工具不存储用户上传的图片，保证了用户数据的隐私安全。

文档理解的模块化多模态大语言模型

mPLUG-DocOwl 是一款用于文档理解的模块化多模态大语言模型，能够处理 OCR-free 文档理解任务。该模型具有出色的性能表现，支持文档视觉问答、信息问答、图表问答等多种任务。用户可以通过模型提供的在线演示来体验其强大功能。

支持同时理解和生成图像的多模态大型语言模型

Mini-Gemini是一个多模态视觉语言模型,支持从2B到34B的系列密集和MoE大型语言模型,同时具备图像理解、推理和生成能力。它基于LLaVA构建,利用双视觉编码器提供低分辨率视觉嵌入和高分辨率候选区域,采用补丁信息挖掘在高分辨率区域和低分辨率视觉查询之间进行补丁级挖掘,将文本与图像融合用于理解和生成任务。支持包括COCO、GQA、OCR-VQA、VisualGenome等多个视觉理解基准测试。

使你的图像具有可搜索性

Searchable是一款让图像具有可搜索性的工具。它的主要功能是通过OCR技术从图像中提取文本信息,并建立索引,使用户可以根据图像内容进行文本搜索和语义搜索。该产品的优势在于支持多种语言OCR、可自定义搜索范围等。它面向设计师、开发者等有图像搜索需求的用户群体,提供免费试用和付费服务。

一键翻译各类图片内文字

该项目可以将漫画/图片中的文字进行翻译,主要功能包括文本检测、光学字符识别(OCR)、机器翻译和图像修补。它支持多种语言如日语、中文、英语和韩语等,可实现近乎完美的翻译效果。该项目主要面向漫画爱好者和图像处理工作者,可以方便地阅读外语漫画或进行图像的多语言处理。此外,它还提供Web服务、在线演示和命令行工具等多种使用方式,具有良好的可用性。该项目代码开源,欢迎大家一起完善和贡献。

将图像转换为文本

Imagen A Texto是一个在线工具，可以将图像转换为可编辑的文本。它使用先进的OCR技术，确保准确提取图像中的文本。用户只需上传图像，工具会自动识别并提取文本。适用于转换文件、书籍、引用等。它支持多种图像格式，界面简单易用。

为漫画自动生成文本记录：检测漫画角色、文本块和面板，对面板进行排序，聚类角色，匹配文本与其说话者，并执行光学字符识别（OCR）

magi是一个用于自动为漫画生成文本记录的模型，它能够检测漫画中的角色、文本块和面板，并将它们按照正确的顺序排列。此外，该模型还能够聚类角色，将文本与其对应的说话者匹配，并执行OCR以提取文本。

极空间AI实验室功能正式上线，提供自然语言搜索、相似图片搜索和图片文字识别等新功能

极空间AI实验室是北京天顶星智能信息技术有限公司推出的家庭私有云产品中的新功能。它包括自然语言搜索、相似图片搜索和图片文字识别等功能，旨在帮助用户更快捷地管理和使用存储在极空间中的图片。

生成表单，通过提示或提取和总结文档内容

GPT Google Form Builder是一款帮助用户通过提示生成表单，或者提取和总结文档内容的插件。它还支持OCR扫描来创建表单。用户可以用它来建立各种类型的Google表单，包括调查问卷、测验、考试、任务、反馈、市场营销、数据收集等。该插件支持自动识别和解析问题、选项，可以导入问题、问题与答案和测验到Google表单中。

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。

多模态视觉语言模型

MouSi是一种多模态视觉语言模型，旨在解决当前大型视觉语言模型（VLMs）面临的挑战。它采用集成专家技术，将个体视觉编码器的能力进行协同，包括图像文本匹配、OCR、图像分割等。该模型引入融合网络来统一处理来自不同视觉专家的输出，并在图像编码器和预训练LLMs之间弥合差距。此外，MouSi还探索了不同的位置编码方案，以有效解决位置编码浪费和长度限制的问题。实验结果表明，具有多个专家的VLMs表现出比孤立的视觉编码器更出色的性能，并随着整合更多专家而获得显著的性能提升。

AI和计算机视觉解决方案

api4ai是一个云原生的AI解决方案，提供图像处理的AI和计算机视觉解决方案，包括图像背景移除、NSFW检查、OCR、图像标注、物体检测、人脸识别等功能。它可以帮助您的产品或业务进行图像处理和机器学习，适用于企业、创业公司和开发者。具体定价和定位请参考官方网站。

Surya是一个用于任何语言中准确的逐行文本检测和识别（OCR）的项目。

Surya是一个多语言文档OCR工具包，具有准确的逐行文本检测功能。它在一系列文档和语言上都有效（参见使用和基准测试以获取更多细节）。Surya的命名源自印度太阳神，象征着具有普遍视野。Surya通过Python 3.9+和PyTorch实现，支持多种语言的高效OCR处理，包括图像动画和个性化T2I模型。Surya的特点是其高效性和多语言支持能力。

将您的图片转换为文字

ChatPhoto是一款AI图像转文字工具，能够将您的照片转换为有用的文字信息。用户可以轻松上传一张或多张照片，然后针对这些照片提出问题，获得深入的回答并将其复制到剪贴板上。这款工具能够帮助用户将图像转换为文本，提供便捷的文字识别功能。

将手写或数字的待办事项同步，利用人工智能的魔力

Papper是一款创新的iOS应用，旨在使您的生活有序和高效。它允许您将手写的笔记转换为数字待办事项列表，创建并打印自己的清单，直接从这些清单扫描进度，并提供广泛的预制清单。Papper使用先进的OCR（光学字符识别）和GPT技术来扫描您的手写笔记并将其转换为可管理的数字待办事项列表。

语音录音与转文字工具

VoiceRec 是一款集语音录制、转文字识别与共享于一体的人工智能语音应用。支持语音转文字、精准识别、支持多国语言、支持导出多种格式。

告别手动数据输入

GPTOCR是一款自动化文档处理工具，通过几次点击，将您的文档转换为结构化的JSON文件，节省时间，减少错误，提高工作效率，增强团队协作。定价根据使用情况而定，定位于提高工作效率和数据准确性的生产力工具。

标签平台，高质量训练数据

Kili Technology是一个标签平台，帮助企业将非结构化数据转化为高质量数据集，用于训练AI模型，实现成功的项目。该平台具有快速标注、发现和修复错误、简化数据操作等功能，并提供专家标注服务。Kili Technology支持文本、图像、视频、OCR和地理空间等多种类型的数据标注。

一款简洁、高效、高颜值的输入、截图、划词翻译软件

TTime是一款简洁、高效、高颜值的输入、截图、划词翻译软件。它提供了输入翻译、截图翻译、划词翻译等功能。用户可以通过快捷键调出翻译窗口，自行输入翻译；也可以通过快捷键调出截图，软件会自动识别并翻译图片；还可以对光标已选中的文字进行划词翻译。TTime支持离线词典、隐藏翻译窗口输入框、翻译结果复制驼峰、下划线等功能。它还提供了多种OCR源、自动翻译模式、翻译记录功能等。TTime适用于Windows和Mac系统。

你的AI评分系统

Vexis是一款采用人工智能技术的评分系统，为教育工作者革命性改进评分流程。它简化了评分过程，节省了时间，让教师更专注于教学。Vexis提供个性化反馈、客观评分、详细报告和专业技术等功能，为学生提供了提升的机会。Vexis支持OCR技术，能够将扫描的答题卡转换为数字数据。它还能识别自由书写，理解上下文，而不仅仅匹配关键词。Vexis以提高教师的教学效率为目标，让他们有更多时间进行教学策划和课程开发。现在就免费试用吧！

让自然语言处理和机器学习解决方案更易于访问和经济实惠，以实现更好、更智能的决策。

UBIAI 文本标注工具是一个强大的数据标注平台，可以轻松进行数据标注、训练和模型部署。通过我们的光学字符识别（OCR）技术，您可以准确地从图像中提取文本。UBIAI 的自动化标注使得标注变得简单，通过学习您的输入，逐渐减少您的工作量，同时保持高质量的标注。您可以在一个文档中以多种语言进行标注，包括希伯来语、日语、阿拉伯语、印地语等。无论您需要分析医疗记录还是金融文件，UBIAI 都可以帮助简化您的数据标注和训练流程。