baidu/Unlimited-OCR

本页介绍外部开源仓库，并非 HDATF 产品。

它做什么

一个以one-shot long-horizon parsing为目标的OCR模型，旨在把DeepSeek-OCR再向前推进一步。可在NVIDIA GPU上用Hugging Face Transformers或用vLLM推理，并支持用ms-swift训练。

对 ATF 的帮助

值得作为OCR环节进行比较，用于把扫描的公司文档和论文转成Company Brain或LabChin可检索的文本。

许可证

MIT 宽松许可。保留版权声明即可商用和修改。

同领域的其他仓库

• langchain-ai/openwiki
  OpenWiki是一个CLI，由agent读取代码库或个人资料，写出相互链接的Markdown wiki，并在每次变更时保持更新。它还会把关键事实追溯到带版本的原始依据。
• opendatalab/MinerU
  将PDF、Office文件、扫描文档图片等转换为可用于LLM和agent工作流的Markdown或JSON。4.0版本把解析、本地文档库和服务工具整合为一个流程，并按从快速预览到复杂版面分设多个解析档位。
• iOfficeAI/OfficeCLI
  一个单文件二进制CLI工具，让AI agent无需安装Office即可读取、编辑和自动化处理Word、Excel和PowerPoint文件。它可将.docx、.xlsx、.pptx渲染为HTML或PNG，便于agent检查并修正输出。
• run-llama/liteparse
  一个在本地运行的PDF解析器，不依赖云服务或LLM功能，可提取带有空间位置和边界框的文本。它内置Tesseract OCR，可以调用外部OCR服务器，并能判断文档是否需要更重的解析。
• chuspeeism/dashi-ppt-skill
  一个把文档转换为网页演示文稿的agent skill，提供12套视觉主题。每页都带有在浏览器中编辑文字、版式和媒体的控件，结果可导出为HTML、PDF或可编辑的PPTX。

只收录进入 Trendshift 排行榜的仓库，榜单仅用于寻找候选项目，不转载名次。说明、许可证和星标数来自各 GitHub 仓库。解读是我们自己的判断。我们尚未测试这些项目，上榜并不证明质量。