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
☆181Updated 2 months ago
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。☆296Updated 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。☆127Updated last year
- 一个语音识别项目☆48Updated 8 months ago
- 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）☆105Updated 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。☆208Updated last year
- Based on RapidOCR, extract the PDF content☆184Updated 8 months ago
- 文本语料转训练集工具，txt转dataset☆93Updated last year
- Analysis of Chinese and English layouts 中英文版面分析☆259Updated 5 months ago
- 研究GOT-OCR-项目落地加速，不限语言☆62Updated last year
- 一个中文语音转文字项目，封装自FireRedASR☆82Updated 11 months ago
- Unsloth框架在Windows平台微调训练Qwen2大模型，非WSL☆62Updated 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…☆118Updated 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…☆408Updated last year
- generate ppt with llm☆106Updated last year
- doc2x docs☆73Updated last year
- ☆119Updated last year
- Phi3 中文后训练模型仓库☆324Updated last year
- 视频理解：千问视频多模态模型 & Dify☆66Updated last year
- 这是一个 ChatTTS 音频仓库，包含用不同 seed 生成的不同音色，你可以方便地挑选你喜欢的 seed。☆51Updated last year
- This is a multi-character, ultra-personalized StoryTeller. It includes: 1) efficiently and accurately build multi-character voice library…☆58Updated 11 months ago
- Umi-OCR windows 运行环境☆159Updated 10 months ago
- 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
- This is an open-source RSS crawler with an LLM interface, and it can use LLM to analyze news feeds☆160Updated 10 months ago
- 一个用于CosyVoice的api接口项目☆334Updated 4 months ago
- 🎨 Ready-to-use DeepSeek-OCR Web UI | Modern Interface | 7 Recognition Modes | Batch Processing | Real-time Logging | Fully Responsiv…☆332Updated last week
- 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…☆214Updated last year
- The document for pdfdeal☆28Updated 11 months ago
- DeepSeek OCR WebUI for fast standalone operation☆163Updated 2 months ago
- Using GPT to parse PDF☆103Updated last year
- ☆546Updated last year