microsoft/markitdown
Công cụ Python chuyển file và tài liệu văn phòng sang Markdown, lý tưởng cho pipeline RAG.
Tài liệu, OCR & Thị giác máy tính — Đọc PDF, Office, ảnh quét, nhận dạng chữ và xử lý ảnh.
38 repo phù hợp
Trang 1/2
Công cụ Python chuyển file và tài liệu văn phòng sang Markdown, lý tưởng cho pipeline RAG.
Ứng dụng PDF mã nguồn mở số 1 trên GitHub, cho phép chỉnh sửa PDF trên mọi thiết bị và có thể tự host.
Bộ công cụ OCR nhẹ và mạnh, biến tài liệu PDF hoặc ảnh thành dữ liệu có cấu trúc cho pipeline AI.
Thư viện mã nguồn mở về thị giác máy tính, cung cấp hàng trăm thuật toán xử lý ảnh và thị giác.
MinerU chuyển tài liệu phức tạp như PDF và file Office thành Markdown hoặc JSON sạch để AI đọc.
Engine OCR mã nguồn mở lâu đời, nhận dạng chữ trên hàng trăm ngôn ngữ.
Docling đọc nhiều định dạng tài liệu, hiểu sâu PDF và đưa kết quả vào hệ sinh thái AI.
Ultralytics là bộ mô hình YOLO cho nhận diện vật thể, phân đoạn, phân loại ảnh, ước lượng tư thế và theo dõi trong video.
YOLOv5 là mô hình thị giác máy tính nhanh và dễ dùng trên PyTorch: nhận diện vật thể, phân đoạn, phân loại, huấn luyện và xuất mô hình.
Supervision là bộ công cụ tái sử dụng cho thị giác máy tính: tải dữ liệu, vẽ kết quả, đếm theo vùng thời gian thực.
Umi-OCR là phần mềm OCR miễn phí, chạy offline: chụp màn hình, nhận dạng hàng loạt ảnh, PDF, mã QR và công thức.
LangExtract là thư viện Python trích xuất thông tin có cấu trúc từ văn bản bằng LLM, gắn đúng vị trí trong nguồn và có trực quan hóa.
Tesseract.js là thư viện OCR thuần JavaScript nhận dạng chữ trong ảnh hơn 100 ngôn ngữ, chạy trên trình duyệt và Node.js.
PDFMathTranslate dịch toàn bộ bài báo khoa học PDF và giữ nguyên bố cục: công thức, biểu đồ, mục lục, chú thích.
MediaPipe là bộ giải pháp học máy đa nền tảng, tùy biến được cho truyền thông trực tiếp và luồng dữ liệu, chạy trên thiết bị.
timm là bộ sưu tập lớn nhất các bộ mã hóa ảnh PyTorch, kèm mã huấn luyện, đánh giá, suy luận, xuất mô hình và trọng số huấn luyện sẵn.
OCRmyPDF thêm lớp chữ OCR vào PDF quét để tìm kiếm và sao chép được.
Detectron2 là nền tảng nhận diện vật thể, phân đoạn và các tác vụ nhận thức thị giác của Facebook AI Research.
OpenPose là hệ thống thời gian thực đầu tiên phát hiện cùng lúc điểm mấu chốt của thân, tay, mặt và bàn chân nhiều người, tổng cộng 135 điểm.
spaCy là thư viện xử lý ngôn ngữ tự nhiên cấp công nghiệp bằng Python và Cython.
MMDetection là bộ công cụ và chuẩn đo nhận diện vật thể dựa trên PyTorch, thuộc dự án OpenMMLab.
OpenDataLoader PDF là bộ đọc PDF thành dữ liệu sẵn cho AI: trích Markdown, JSON (có tọa độ) và HTML, tự động hóa khả năng tiếp cận PDF.
InsightFace là dự án phân tích khuôn mặt 2D và 3D hiện đại.
EasyOCR là OCR dùng ngay, hỗ trợ hơn 80 ngôn ngữ và mọi hệ chữ: Latin, Trung, Ả Rập, Devanagari, Cyrillic.