ওপেন সোর্স। নতুন সম্ভাবনা।

PaddleOCR একটি ওপেন-সোর্স OCR টুলকিট যা PDF এবং ছবি থেকে LLM-এর জন্য গঠিত ডেটা (JSON/Markdown) তৈরি করে। এতে PP-OCRv6, PaddleOCR-VL, এবং PP-StructureV3 অন্তর্ভুক্ত।

Tesseract হলো একটি ওপেন-সোর্স OCR ইঞ্জিন যা ১০০টিরও বেশি ভাষায় ছবির লেখা শনাক্ত করার জন্য একটি কমান্ড-লাইন টুল এবং লাইব্রেরি প্রদান করে।

PageLedger একটি ওপেন-সোর্স পাইথন CLI লাইব্রেরি যা OCR এবং নথি এক্সট্রাকশনের জন্য পৃষ্ঠা-স্তরের অডিটেবল ট্র্যাকিং প্রদান করে। এটি প্রতিটি পৃষ্ঠার জন্য প্রমাণিক, গুণমান সংকেত এবং বাজেট ট্র্যাক করে, রিসামেবল রান এবং মূল্যায়ন কিউ সাপোর্ট করে।

MinerU একটি ওপেন-সোর্স ডকুমেন্ট পার্সিং ইঞ্জিন যা PDF, ছবি, DOCX, PPTX এবং XLSX-কে LLM, RAG ও এজেন্ট ওয়ার্কফ্লোর জন্য স্ট্রাকচার্ড Markdown/JSON-এ রূপান্তর করে। এটি VLM+OCR ডুয়াল ইঞ্জিন, ১০৯ ভাষার OCR এবং প্রাইভেট/অফলাইন ডিপ্লয়মেন্ট সমর্থন করে।

Tesseract.js একটি জাভাস্ক্রিপ্ট OCR লাইব্রেরি যা ১০০ এরও বেশি ভাষায় ছবি থেকে টেক্সট বের করে। এটি WebAssembly এর মাধ্যমে ব্রাউজারে এবং Node.js-এ চলে।

EasyOCR একটি প্রস্তুত-ব্যবহারযোগ্য অপটিক্যাল ক্যারেক্টার রিকগনিশন লাইব্রেরি যা ৮০+ ভাষা এবং প্রধান লেখার স্ক্রিপ্ট সমর্থন করে। এটি সহজ Python API এবং CLI অফার করে, PyTorch-ভিত্তিক ডিটেকশন এবং রিকগনিশন মডেল সহ, এবং কাস্টম প্রশিক্ষণের বিকল্পও রয়েছে।

X-AnyLabeling একটি ক্রস-প্ল্যাটফর্ম ডেস্কটপ অ্যাপ্লিকেশন, যা টেক্সট, ইমেজ, ভিডিও ও মাল্টিমোডাল ডেটার এআই-সহায়ক অ্যানোটেশনের জন্য ব্যবহৃত হয়। এতে রয়েছে বহু লেবেলিং টুল, বিল্ট-ইন ডিপ লার্নিং মডেল এবং বিভিন্ন ফরম্যাটে ইমপোর্ট/এক্সপোর্ট সুবিধা।

AksharaMD একটি স্থানীয়, পার্সার-নির্ভর নয় এমন টুল যা মূল্যায়ন করে যে একটি নির্বাচিত ডকুমেন্ট পার্সার একটি সোর্স ফাইলকে AI-বান্ধব মার্কডাউনে কতটা ভালোভাবে রূপান্তর করেছে, প্রতি-ডকুমেন্ট প্রস্তুতি স্কোর, ব্লক-স্তরের উৎস ট্যাগ, নামযুক্ত সতর্কতা এবং একটি ঐচ্ছিক উৎস-ভিত্তিক ACCEPT/REJECT রায় ফেরত দেয়।