Surya
Surya是一个多语言文档OCR工具包，具有准确的逐行文本检测功能。它在一系列文档和语言上都有效（参见使用和基准测试以获取更多细节）。Surya的命名源自印度太阳神，象征着具有普遍视野。Surya通过Python 3.9+和PyTorch实现，支持多种语言的高效OCR处理，包括图像动画和个性化T2I模型。Surya的特点是其高效性和多语言支持能力。
产品详情
Surya是一个用于任何语言中准确的逐行文本检测和识别（OCR）的项目。
主要功能
使用示例
开发者使用Surya进行多语言文档的OCR处理。
研究人员利用Surya进行文本检测和识别实验。
语言技术公司采用Surya来提高其文档处理的效率和准确性。
快速访问
访问官网 →所属分类
相关推荐
发现更多类似的优质AI工具
EAGLE
EAGLE是一个面向视觉中心的高分辨率多模态大型语言模型（LLM）系列，通过混合视觉编码器和不同输入分辨率来加强多模态LLM的感知能力。该模型包含基于通道连接的'CLIP+X'融合，适用于具有不同架构（ViT/ConvNets）和知识（检测/分割/OCR/SSL）的视觉专家。EAGLE模型家族支持超过1K的输入分辨率，并在多模态LLM基准测试中取得了优异的成绩，特别是在对分辨率敏感的任务上，如光学字符识别和文档理解。
labelU-Kit
labelU-Kit 是一个开源的前端标注组件库，提供图片、视频和音频的标注功能，支持2D框、点、线、多边形、立体框等多种标注方式。它以NPM包的形式提供，方便开发者集成到自己的标注平台中，提高数据标注的效率和灵活性。
OnnxOCR
OnnxOCR是基于PaddleOCR重构的轻量级OCR模型，它脱离了PaddlePaddle深度学习训练框架，实现了快速的推理速度。该模型支持超过80种语言的推理，并在转换为ONNX模型后，推理速度比使用PaddlePaddle框架快5倍。OnnxOCR独立于深度学习训练框架，可以直接部署，适用于计算能力有限但需要保持准确性的场景，并且可以在ARM和x86架构的计算机上部署。
JavaVision
JavaVision是一个基于Java开发的全能视觉智能识别项目，它不仅实现了PaddleOCR-V4、YoloV8物体识别、人脸识别、以图搜图等核心功能，还可以轻松扩展到其他领域，如语音识别、动物识别、安防检查等。项目特点包括使用SpringBoot框架、多功能性、高性能、可靠稳定、易于集成和灵活可拓展。JavaVision旨在为Java开发者提供一个全面的视觉智能识别解决方案，让他们能够以熟悉且喜爱的编程语言构建出先进、可靠且易于集成的AI应用。
PetThoughts
PetThoughts是一个基于Gemini API构建的图像识别应用程序。用户可以上传宠物的照片,应用程序会通过智能分析宠物的面部表情和环境,推测它可能在想些什么。该应用程序具有图像识别、面部分析、环境分析等功能,能准确识别宠物的面部表情,分析其可能的情绪状态,同时结合环境推断宠物的活动,最后通过自然语言处理技术,将识别结果转换成可读的文本描述。该应用提供简洁直观的用户界面,使用户可以轻松上传照片并获得宠物分析结果。它可以帮助用户更深入地理解宠物的情感和偏好。
MakeML
MakeML是一个无需编写任何代码就可以搭建图像目标检测神经网络的开发工具。它提供了一个简单易用的图形界面,用户只需上传训练集图片,绘制bounding box,设置参数,就可以训练出一个高效的目标检测模型,并导出成CoreML格式在iOS App中使用。MakeML解决了神经网络开发门槛高的痛点,不需要任何机器学习或编程知识,就可以获得强大的深度学习能力。
Cognitora
Cognitora是下一代专为AI智能体设计的云平台。与传统容器平台不同，它利用Cloud Hypervisor和Firecracker等高性能微虚拟机，提供安全、轻量级且快速的AI原生计算环境。它能执行AI生成的代码，大规模自动化智能工作负载，填补了AI推理与现实世界执行之间的差距。其重要性在于为AI智能体提供了强大的计算和运行支持，让AI智能体能够更高效、安全地运行。主要优点包括高性能、安全隔离、闪电般快速的启动时间、支持多语言、先进的SDK和工具等。该平台面向AI开发者和企业，致力于为AI智能体提供全面的计算资源和工具。价格方面，用户注册可获得5000个免费积分用于测试。
Macroscope
Macroscope是一款服务研发团队的编程效率工具，获3000万美元A轮融资，已公开上线。核心功能围绕代码管理与研发流程优化，通过解析代码库构建知识图谱、整合多工具生态，解决工程师非开发性工作负担重、管理者难掌握研发进度的痛点。其技术优势在于多模型协同（如OpenAI o4-mini-high与Anthropic Opus 4结合）保障代码审核精准度，且客户数据隔离加密、符合SOC 2 Type II合规，承诺不使用客户代码训练模型。定价分Teams（30美元/开发者/月，至少5席）与Enterprise（定制价）套餐，定位中小型研发团队及有定制需求的大型企业，帮助团队聚焦核心开发，提升整体研发效率。
100 Vibe Coding
100 Vibe Coding是一个教育性编程网站，专注于通过AI技术快速构建小型Web项目。它跳过复杂理论，注重实际结果，适合想快速创建真实项目的初学者。
iFlow CLI
iFlow CLI 是一款交互式终端命令行工具，旨在简化开发者与终端的交互，提升工作效率。它支持多种命令和功能，让用户能够快速执行命令和管理任务。iFlow CLI 的主要优点包括易用性、灵活性和可定制性，适合各种开发环境和项目需求。
Never lose your work again
Claude Code 检查点是Claude AI开发人员的必备伴侣应用程序。通过无缝跟踪所有代码更改，保证代码安全，永不丢失。
Streamdown
Streamdown是一个为AI驱动流式处理而设计的React Markdown的即插即用替代品。它解决了在标记和流式处理时出现的新挑战，可确保安全且完美格式化的Markdown内容。主要优点包括AI驱动流式处理、内置安全性、支持GitHub Flavored Markdown等。
Qoder
Qoder是一个代理编码平台，通过增强的上下文引擎和智能代理无缝集成，全面了解您的代码库并系统化处理软件开发任务。支持世界上最新和最先进的AI模型：Claude、GPT、Gemini等。适用于Windows和macOS。
Compozy
Compozy是一个企业级平台，使用声明性YAML提供可扩展、可靠且成本高效的分布式工作流，简化复杂的扇出、调试和监控，以实现生产就绪的自动化。
Dereference
Claude Code是一款未来型IDE，与CLI AI工具如Claude Code和Gemini CLI无缝集成。其主要优点在于提供多会话编排、原子分支功能，以及极大提升开发者生产力。产品定位于为快速交付的开发者设计。