tesseract-ocr/tesseract
Un motor de reconocimiento óptico de caracteres distribuido como la biblioteca libtesseract y el programa de línea de comandos tesseract. La versión 4 introdujo un reconocedor con red neuronal LSTM, y el proyecto ofrece datos entrenados para un amplio conjunto de idiomas junto con herramientas para entrenar modelos propios. Lee imágenes y PDF y escribe texto plano, hOCR, ALTO, TSV o PDF con búsqueda, bajo licencia Apache 2.0.
Actividad de mantenimiento