LayoutReader 是基于 LayoutLMv3 的先进模型，专门用于将 OCR 识别出的文本框按照阅读顺序进行排序。该模型在处理速度上进行了优化，能够快速处理多种文档布局，提升文档的可读性和处理效率。LayoutReader 可以广泛应用于需要文档布局分析的场景，并能够无缝集成到现有的文档处理流程中，为自动化文档内容提取和排序提供强大支持。
M6Doc是用于现代文档布局分析研究的数据集，包含9,080张现代文档图像，涵盖科学文章、教材、试卷、杂志、报纸、笔记和书籍等七个子集，提供了多样的数据来源和详细的文档布局标注标签。
基于Rust语言实现的多语言文档OCR工具包，结合修改版Segformer、OpenCV和donut transformer，提供高效的文档识别与处理功能。
Gogosseract，一个通过 Wazero 实现的无 CGo Tesseract OCR 的 Go Lib。它提供高效的光学字符识别功能，支持多种语言，易于集成到各种 Go 应用程序中。
LLM-Aided OCR 是一个基于大型语言模型（LLM）的开源工具，旨在通过结合光学字符识别（OCR）和LLM的纠错功能，将扫描的PDF文件转换为高准确度、格式正确且易于阅读的Markdown文档。该工具支持多种大语言模型的集成，包括本地LLM和云端API，适用于需要将扫描文档高质量数字化的场景。
用Rust编写的现代OCR引擎，可以作为一个命令行工具和库来使用，目标是创建一个在各种图像上都能良好运行的OCR引擎，包括扫描文档、包含文本的照片和屏幕截图等，较之前的引擎如Tesseract，需要更少的预处理工作。
WebPDF是一个强大的API，用于PDF文件的操作。它支持从简单的提取图像、文本，合并或拆分文件，到压缩、OCR以及不同格式之间的转换。用户还可以从实时网站或HTML文件生成PDF。
上海人工智能实验室开源的PDF文档提取工具，能够将PDF转化为机器可读格式（如markdown、json），方便地抽取为任意格式。
iTextMaster是一款基于ChatGPT的PDF工具，旨在快速阅读和与PDF进行智能对话。同时，它还支持在线网页摘要和聊天功能。
PDF Guru是一个多功能的PDF文件处理工具，支持本地化操作，提供合并、拆分、旋转、水印、加密等20余项功能，界面简洁，跨平台使用，完全开源免费。
MiniCPM-V 是一款拥有 8B 参数的先进 AI 模型，性能优于 GPT-4V 等顶级型号，提供卓越的 OCR 功能，并支持 30 多种语言。它是一个强大的端侧多模态大语言模型，在单图像、多图像和视频理解方面超越了 GPT-4V，支持在 iPad 等终端设备上进行实时视频理解。MiniCPM-V 2.0 是一个高效的端侧多模态大模型，具有强大的 OCR 和图文理解能力，并且是一个开源项目。
PDNob Image Translator是一款创新的AI驱动工具，利用先进的AI-OCR技术，无缝翻译图像中的文本，支持100多种语言，处理数据在本地进行，确保用户隐私。
一款强大且可离线使用的OCR工具，支持多种视觉模型，并能够处理多种文件格式输出。
