AI仙宝Z
githubZerox｜视觉模型文档OCR转Markdown开发库
面向开发者的开源库，可把PDF、Word、表格等文档逐页交给视觉大模型识别，输出便于AI整理的Markdown或结构化数据。
OCR 图像识别Node.js / Python 开发库使用难度
站长实测状态尚未登记
OCR 图像识别相关工具、教程与提示词
汇集OCR 图像识别主题下已发布的工具、教程、提示词与场景资料，帮助你了解用途、使用条件及操作方法。
AI 工具
P
githubPDF-Extract-Kit｜PDF复杂文档内容提取模型工具箱
一套面向开发者的开源模型工具箱，可从论文、教材、财报等复杂PDF中识别版面、公式、表格和文字，适合搭建文档解析、翻译或问答应用。
OCR 图像识别Linux / macOS / Windows（Python 环境，官方提供 GPU 与 CPU 依赖）使用难度
站长实测状态尚未登记
S
githubSurya｜多语言文档OCR与版面分析开发库
面向开发者，用一组模型把图片或PDF转成带位置和阅读顺序的识别文字、版面区块和表格HTML，支持九十多种语言并可用于批量文档解析流程。
OCR 图像识别Python库（命令行与编程接口），支持NVIDIA GPU、CPU与Apple Silicon使用难度
站长实测状态尚未登记
o
外部应用olmocr｜面向真实PDF文档的语言模型训练工具包
Allen AI 开源的工具包，用于训练语言模型处理真实PDF文档，面向需要批量解析PDF内容的研究者与开发者，提供示例站点供体验。
OCR 图像识别开源工具包（GitHub），演示站点在线体验使用难度
站长实测状态尚未登记
l
外部应用light-ocr｜面向Node.js与C++的快速离线OCR
light-ocr 是面向 Node.js 和 C++ 的离线 OCR 工具，内置 PP-OCRv6 模型与跨平台运行时，适合需要在本地快速识别图片文字的开发者。
OCR 图像识别Node.js 与 C++，跨平台运行时使用难度
站长实测状态尚未登记
U
外部应用Umi-OCR｜开源离线批量文字识别工具
一款免费开源的离线OCR软件，支持截屏、粘贴和批量导入图片，能识别多国语言文字并保留段落排版，还可扫描或生成二维码，适合需要本地处理图片文字的普通用户。
OCR 图像识别桌面端（Windows 等，具体支持待核验）使用难度
站长实测状态尚未登记