#ocr

Унифицированная 0.8B vision-language модель для парсинга документов и OCR-задач, обученная на 170M примерах с Q-Mask и Mix-RL.

Docling — инструмент с MIT-лицензией, который конвертирует PDF, Office, HTML, изображения и аудио в структурированные данные с сохранением таблиц, формул, порядка чтения и OCR.

LFM2.5-VL-3B — 3-миллиардная гибридная vision-language модель Liquid AI, оптимизированная для on-device инференса с поддержкой текста и изображений.

macOS-приложение, которое хранит историю буфера обмена, распознаёт текст в изображениях, преобразует голос в текст и предоставляет командную палитру — всё через одно нажатие клавиш.

Высокоточный инструмент с открытым кодом, преобразующий PDF, DOCX, PPTX, XLSX и изображения в структурированный Markdown/JSON с помощью VLM+OCR-движка.

Меню-бар утилита для macOS с функциями зума, аннотаций, записи экрана и OCR, портированная с Windows-версии Sysinternals ZoomIt.

Модель baidu/Unlimited-OCR для однокадрового парсинга документов и OCR с поддержкой Transformers, vLLM, SGLang и Docker.