Surya — המדריך המלא: OCR, טבלאות ונוסחאות LaTeX ממסמכים סרוקים
Surya של Datalab היא ערכת כלים בפייתון לזיהוי מסמכים, שמצטיינת בדיוק בחלקים הקשים של עמוד הנדסי: טבלאות ונוסחאות. רצה על GPU של NVIDIA, על CPU או על Apple Silicon.
Surya
Datalab
ערכת OCR בפייתון ביותר מ-90 שפות, עם ניתוח פריסה וסדר קריאה, זיהוי טבלאות ונוסחאות כ-LaTeX; המודלים חינם לשימוש אישי ולמחקר.
להורדה מאתר היצרןמה מקבלים
- OCR רב-לשוני — יותר מ-90 שפות.
- ניתוח פריסה — כולל סדר קריאה נכון בעמודים מרובי עמודות.
- זיהוי טבלאות — שורות, עמודות ותאים ממוזגים.
- נוסחאות כ-LaTeX — בתוך הטקסט, מוכנות להעתקה.
- חומרה גמישה — NVIDIA, CPU או Apple Silicon.
מה חינמי ומה לא
הקוד ברישיון Apache 2.0, אבל משקלי המודל — שבלעדיהם הכלי לא עובד — ברישיון Open Rail-M מותאם. הם חינמיים למחקר, לשימוש אישי ולחברות עם מימון או הכנסות של פחות מ-5 מיליון דולר. חברה גדולה יותר שמשתמשת בכלי מסחרית צריכה רישיון בתשלום מ-Datalab. אין ממשק גרפי רגיל, וההתקנה מיועדת למשתמשי פייתון.
כלים קשורים
לחלופה ברישיון Apache 2.0 מלא — PaddleOCR. להמרת מסמכים ל-Markdown ברישיון MIT — Docling. ללכידת נוסחה בודדת מצילום מסך — Mathpix Snip.
PaddleOCR
PaddlePaddle (Baidu)
ספריית OCR וניתוח מסמכים בקוד פתוח בפייתון: זיהוי טקסט בעשרות שפות, פריסת עמוד, טבלאות והמרת PDF ל-Markdown או JSON.
להורדה מאתר היצרן
Docling
Docling Project (originally IBM Research)
כלי קוד פתוח שממיר PDF, DOCX ותמונות סרוקות ל-Markdown או ל-JSON, עם זיהוי מבנה טבלאות ו-OCR, ופועל מקומית.
להורדה מאתר היצרן
Mathpix Snip
Mathpix
לכידת נוסחאות, טבלאות וטקסט מצילום מסך והמרתם ל-LaTeX, Markdown או CSV; במסלול החינמי 10 תמונות ו-10 עמודי PDF בחודש.
להורדה מאתר היצרן
docTR
Mindee
ספריית OCR בקוד פתוח מבוססת למידה עמוקה: איתור טקסט וזיהויו במסמכי PDF ובתמונות, כולל עמודים מסובבים וזיהוי אזורי טבלה.
להורדה מאתר היצרןהשורה התחתונה
לסטודנט, לחוקר או למשרד קטן — אחד הכלים הטובים להפיכת תקנים וספרי לימוד סרוקים לטקסט עם טבלאות ונוסחאות. בחברה גדולה בדקו את הרישיון לפני שימוש.