XJF2332 / GOT-OCR-2-GUILinks
GOT-OCR的GUI版本，提供OCR、导出PDF、批处理等功能，但不提供训练功能
☆182Updated last week
Alternatives and similar repositories for GOT-OCR-2-GUI
Users that are interested in GOT-OCR-2-GUI are comparing it to the libraries listed below
Sorting:
- MinerU是一款开源的高质量PDF解析工具，基于深度学习技术，可自动提取PDF文档中的文字、表格、图片、公式等内容，并提供丰富的分析、统计、搜索等功能。 本项目为其提供一个简化版本的WebUI，方便用户上传PDF文件，并实时展示提取结果。☆268Updated 10 months ago
- 基于MinerU的桌面应用程序，MinerU是一款开源的高质量PDF解析工具，基于深度学习技术，可自动提取PDF文档中的文字、表格、图片、公式等内容，并提供丰富的分析、统计、搜索等功能。 本项目为其提供一个简化版本的WebUI，方便用户上传PDF文件，并实时展示提取结果。☆112Updated last year
- 📝 针对文档类图像做内容提取，将文档类图像一比一输出到Word或者Txt中，便于进一步使用或处理。后续计划支持输入PDF/图像，输出对应json格式、Txt格式、Word格式和Markdown格式。☆206Updated 11 months ago
- 文本语料转训练集工具，txt转dataset☆94Updated last year
- GraphRAG-Ollama-UI + GraphRAG4OpenWebUI 融合版（有gradio webui配置生成RAG索引，有fastapi提供RAG API服务）☆104Updated last year
- Based on RapidOCR, extract the PDF content☆181Updated 5 months ago
- Analysis of Chinese and English layouts 中英文版面分析☆249Updated 2 months ago
- 一个中文语音转文字项目，封装自FireRedASR☆79Updated 8 months ago
- Phi3 中文后训练模 型仓库☆323Updated 10 months ago
- Unsloth框架在Windows平台微调训练Qwen2大模型，非WSL☆61Updated last year
- generate ppt with llm☆100Updated last year
- 视频理解：千问视频多模态模型 & Dify☆65Updated last year
- 一个语音识别项目☆48Updated 5 months ago
- 研究GOT-OCR-项目落地加速，不限语言☆64Updated last year
- 基于Faster-whisper和modelscope一键生成双语字幕，双语字幕生成器,基于离线大模型,Generate bilingual subtitles with one click based on Faster-whisper and modelscope. O…☆403Updated 10 months ago
- doc2x docs☆70Updated 10 months ago
- A python wrapper for the Doc2X API and comes with native texts processing (to improve PDF recall in RAG). | Doc2X API的python封装，同时附带本地的文本处…☆282Updated 4 months ago
- 一个用于CosyVoice的api接口项目☆316Updated last month
- ☆119Updated last year
- Windows不用搭建环境只要英伟达显卡就行，解压即用！☆45Updated last year
- Sample GLM4V + ChatTTS AI assistant☆85Updated last year
- Using GPT to parse PDF☆101Updated last year
- 10000 chatTTS voices ！chatTTS 音色库，再也不为音色抽卡烦恼啦。这是我第一个项目，熬夜龟速生产10000条音色并上传Github，给点鼓励呗哈！主域名：https://www.TTSlist.com 备用：http://ttslist.aiqb…☆197Updated last year
- 文档图像处理工具(Document image processing tool)，包括漂白 / 文字方向矫正 / 清晰增强 / 笔记去噪美化 / 去阴影 / 扭曲矫正 / 切边增强(DocBleach / TextOrientationCorrection / DocSha…☆98Updated last year
- Convert files into markdown to help RAG or LLM understand, based on markitdown and MinerU, which could provide high quality pdf parser.☆128Updated 6 months ago
- 使用 FastAPI、Streamlit本地部署ChatTTS文本转语音模型，并通过 Docker Compose 进行容器化部署。☆27Updated last year
- 鬼畜视频配音字幕同步项目，基于字幕文件srt同步接入TTS，支持GPT-Sovits ChatTTS BertVits2☆46Updated last year
- ☆543Updated last year
- 检测和提取各种场景图片中的表格区域，并纠正透视和旋转问题 Detect and extract table regions from images in various scenarios, and correct perspective and rotation i…☆113Updated 10 months ago
- An common framework for voice and text interactions with LLMs☆96Updated 11 months ago