DeepOCR：DeepSeek-OCR 的完全开源复现项目
DeepOCR 是由爱荷华州立大学和普林斯顿大学发起的开源项目，旨在完整复现 DeepSeek-OCR 的训练过程，提供了包括训练和评估在内的全部代码实现。
TechFoco
OCR 专题
共 15 篇文章，按时间倒序展示。
DeepOCR：完全开源复现 DeepSeek-OCR 训练过程
DeepOCR 是由爱荷华州立大学和普林斯顿大学发起的开源项目，旨在提供完整的代码以复现 DeepSeek-OCR 的训练与评估流程，而不仅仅是权重和报告。
TechFoco
olmOCR 2：开源高效文档转换工具
olmOCR 2 是一款开源的文档转换工具，专注于将 PDF 及多种格式文档精准转换为纯文本，支持表格、公式等复杂元素。通过结合高质量数据训练与强化学习奖励机制，有效降低了识别中的“幻觉”错误。
TechFoco
Chandra OCR 开源发布：功能、性能与对比
Chandra OCR 是一款开源文档解析工具，支持版面分析、手写体识别，兼容 transformers 和 vLLM，在基准测试中表现优异，但存在部分识别限制。
TechFoco
如何选择合适的开源OCR模型
Hugging Face 博客针对开源 OCR 模型选择难题，提供了从模型对比、部署方案到扩展应用的系统性指导，旨在帮助开发者在控制成本与保护隐私的前提下降低使用门槛。
TechFoco
如何选择合适的开源 OCR 模型
面对 DeepSeek-OCR、PaddleOCR 等众多开源 OCR 模型，如何根据成本、隐私和部署需求进行选择成为关键。Hugging Face 的一篇博客为此提供了系统的挑选、对比与部署指南。
TechFoco
Nanonets-OCR2：开源图像转Markdown模型解析
Nanonets-OCR2是一款开源模型，可将图像文档智能转换为结构化的Markdown格式。它不仅能提取文本，还能精准识别LaTeX公式、复杂表格、图表、签名水印等多种元素，并支持多语言、手写文档及视觉问答功能。
TechFoco
Fast Plate OCR：轻量级高速车牌识别模型
Fast Plate OCR 是一个专为车牌文本识别设计的开源模型，以轻量高效为核心，支持多训练框架与多平台部署，并提供预训练模型与详细教程，便于快速集成与定制。
TechFoco
PHOCR：高性能多语种开源OCR工具包
PHOCR是一款专注于提升多语种文本识别精度的开源工具包，其自研模型PH-OCRv1在文档环境下实现了极低的字符错误率，并支持多种语言与跨平台高效部署。
TechFoco
通用 PDF 文件流 OCR 到文本 API 接口解析
本文介绍了一款基于机器学习的通用 PDF 文件流 OCR 识别 API，支持多语言混合识别、HTTPS 安全协议、高可用架构，并输出纯文本以利于后续处理。
TechFoco
uniOCR：跨平台原生 OCR 工具解析
uniOCR 是一款支持 macOS、Windows 和 Linux 的原生 OCR 工具，通过集成各平台原生 API 与 Tesseract，提供统一接口并利用异步处理提升性能。
TechFoco
docling-api：高效可扩展的文档转换后端服务器
docling-api 是一个专注于文档格式转换的后端服务，支持将 PDF、DOCX、PPTX、HTML 及图片等多种格式高效转换为 Markdown。它提供 CPU/GPU 处理模式、同步/异步 API 接口以及...
TechFoco
olmOCR：开源高吞吐量文档转换工具
olmOCR 是一款开源工具，专注于将 PDF 等文档高吞吐量转换为纯文本，同时保持自然阅读顺序。它支持表格、公式和手写体等复杂内容，并采用独特提示技术以提高准确性。
TechFoco
Omni OCR Benchmark：多模态模型 OCR 能力评估工具
Omni OCR Benchmark 是一个开源基准测试工具，旨在系统评估多模态模型在 OCR 和数据提取任务上的性能。它支持主流模型，并提供 JSON 准确率与文本相似度等关键指标。
TechFoco
Umi-OCR：免费开源的离线OCR工具
Umi-OCR是一款免费、开源且可离线使用的光学字符识别软件，支持截屏、批量图片与PDF文档识别，具备排除水印、页眉页脚干扰的能力，并内置二维码扫描与生成功能。
TechFoco
