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
☆179Updated last month
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。☆286Updated last year
- 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。☆122Updated last year
- 文本语料转训练集工具，txt转dataset☆93Updated 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。☆207Updated 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☆184Updated 7 months ago
- Unsloth框架在Windows平台微调训练Qwen2大模型，非WSL☆62Updated last year
- 一个语音识别项目☆49Updated 7 months ago
- 一个 中文语音转文字项目，封装自FireRedASR☆81Updated 9 months ago
- Analysis of Chinese and English layouts 中英文版面分析☆256Updated 4 months ago
- 视频理解：千问视频多模态模型 & Dify☆65Updated last year
- generate ppt with llm☆105Updated last year
- Phi3 中文后训练模型仓库☆324Updated last year
- Using GPT to parse PDF☆102Updated last year
- doc2x docs☆73Updated 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…☆112Updated last year
- 一个用于CosyVoice的api接口项目☆325Updated 3 months ago
- 研究GOT-OCR-项目落地加速，不限语言☆63Updated last year
- 阿里SenseVoice的fastpi封装，采用onnx发布，体积更小，附带量化模型，支持GPU。支持从URL文件进行语音识别。☆104Updated last year
- ☆119Updated 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…☆205Updated last year
- MinerU API server☆83Updated last year
- 🎨 Ready-to-use DeepSeek-OCR Web UI | Modern Interface | 7 Recognition Modes | Batch Processing | Real-time Logging | Fully Responsiv…☆249Updated last week
- VideoFinder is an advanced video analysis tool powered by multimodal AI, designed to help users easily locate and identify specific objec…☆166Updated 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
- ☆547Updated 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…☆407Updated last year
- 基于OpenVoice和Melotts整合的中文版webui，添加resemble_enhance音频增强功能☆99Updated last year
- 《高军 AI 日报》： 每天花 1 分钟时间，获取精选的前沿 AI 信息。内容涵盖但不限于 前沿 AI 资讯、AI 工具、AI 绘画、开源项目和学习教程 等等。☆54Updated last year