AI仙宝✧
Dify｜增值税发票提取小工具chatflow
一个在Dify中搭建的对话式工作流，用户上传发票文件后由多模态模型识别并提取增值税发票信息，适合需要快速录入票据内容的个人或小微企业。
工作流 OCR多模态Dify工作流
获取方式待核验 · 国内可用性待核验
使用难度待核验
OCR相关工具、教程与提示词
汇集OCR主题下已发布的工具、教程、提示词与场景资料，帮助你了解用途、使用条件及操作方法。
自动化工作流
AI 工具
Z
githubZerox｜视觉模型文档OCR转Markdown开发库
面向开发者的开源库，可把PDF、Word、表格等文档逐页交给视觉大模型识别，输出便于AI整理的Markdown或结构化数据。
OCR 图像识别Node.js / Python 开发库使用难度
站长实测状态尚未登记
P
githubPDF-Extract-Kit｜PDF复杂文档内容提取模型工具箱
一套面向开发者的开源模型工具箱，可从论文、教材、财报等复杂PDF中识别版面、公式、表格和文字，适合搭建文档解析、翻译或问答应用。
OCR 图像识别Linux / macOS / Windows（Python 环境，官方提供 GPU 与 CPU 依赖）使用难度
站长实测状态尚未登记
M
githubMinerU｜文档解析与结构化转换工具
将PDF、扫描件、Office文档等转换为便于大模型使用的Markdown或JSON，适合需要把长文档、表格和公式整理进知识库或Agent工作流的人。
知识库文档处理Python 包、命令行、API 服务与 WebUI，可在 Windows、Linux、macOS 运行使用难度
站长实测状态尚未登记
o
外部应用olmocr｜面向真实PDF文档的语言模型训练工具包
Allen AI 开源的工具包，用于训练语言模型处理真实PDF文档，面向需要批量解析PDF内容的研究者与开发者，提供示例站点供体验。
OCR 图像识别开源工具包（GitHub），演示站点在线体验使用难度
站长实测状态尚未登记
l
外部应用light-ocr｜面向Node.js与C++的快速离线OCR
light-ocr 是面向 Node.js 和 C++ 的离线 OCR 工具，内置 PP-OCRv6 模型与跨平台运行时，适合需要在本地快速识别图片文字的开发者。
OCR 图像识别Node.js 与 C++，跨平台运行时使用难度
站长实测状态尚未登记
U
外部应用Umi-OCR｜开源离线批量文字识别工具
一款免费开源的离线OCR软件，支持截屏、粘贴和批量导入图片，能识别多国语言文字并保留段落排版，还可扫描或生成二维码，适合需要本地处理图片文字的普通用户。
OCR 图像识别桌面端（Windows 等，具体支持待核验）使用难度
站长实测状态尚未登记
M
GitHub 开源Marker｜文档解析与Markdown结构化转换
把PDF、图片等文档转换为Markdown、JSON或结构化片段，用于资料处理和模型输入，可按任务启用OCR与LLM增强。输出中的表格、公式和阅读顺序需要校对。
工程开发Python工具链；模型与GPU/CPU支持按版本核对使用难度
站长实测状态尚未登记
P
GitHub 开源PaddleOCR｜图片文字识别与文档结构解析
把图片、扫描件和PDF中的文字与版面信息转换为可编辑文本或结构化数据，可用于资料归档、表格提取及知识库预处理。提供文字识别和文档解析等不同流水线，需按任务选择。
工程开发Linux、Windows、macOS；硬件支持依流水线及后端版本而定使用难度
站长实测状态尚未登记