工具集
全部 Skill、MCP、CLI 与 Plugin。可以按类型、职业、标签筛选,也可以直接搜索。
职业:运维 / SRE +3
共 19 项

MinerU
CLIOpenDataLab 出品的文档解析工具,把 PDF、图片与 Office 文档转成 Markdown 或 JSON,擅长表格、公式与复杂版面,支持 agent 按页续读与引用定位。默认本地解析,需要 Python 3.10 以上。
opendatalab/MinerU83.9k
visa-doc-translate
Skill把存款、在职、收入、退休证明等签证材料照片 OCR 识别后译成英文,生成原件与译文对照的双语 PDF。需要本地 Python(pillow、reportlab)和 OCR 工具(macOS Vision、EasyOCR 或 Tesseract)。译文页自带「认证翻译」字样但并非正式认证:姓名、金额、日期须人工核对,正式递交可能仍需有资质的翻译机构出具。
affaan-m/ECC305k
PaddleOCR
CLI百度飞桨官方的 OCR 与文档解析工具:paddleocr 命令可识别图片文字,并把 PDF、扫描件解析成 Markdown 或 JSON,支持中文等 100 多种语言,模型可在本地运行。
PaddlePaddle/PaddleOCR92.8k
PaddleOCR MCP Server
MCP飞桨 PaddleOCR 官方 MCP:对图片和 PDF 做文字识别与版面解析(PP-OCR、PP-StructureV3、PaddleOCR-VL),输出文本或 Markdown;可本地推理,也可调用官方 API、千帆或自建服务。
PaddlePaddle/PaddleOCR92.8k
Tesseract OCR
CLI经典开源 OCR 引擎与命令行工具,识别图片中的文字并输出纯文本、hOCR、可搜索 PDF 或 TSV,支持 100 多种语言;中文等语言需安装对应的语言数据。
tesseract-ocr/tesseract77.6k
Docling
CLI解析 PDF、DOCX、PPTX、XLSX、HTML、图片与音频等格式,还原版面、阅读顺序、表格与公式,导出 Markdown、HTML 或无损 JSON。IBM Research 发起,现由 LF AI & Data 基金会托管,可完全本地运行。
docling-project/docling70.7k
Umi-OCR
CLI免费开源的离线 OCR 桌面软件,支持截图、批量图片、PDF 扫描件与二维码识别,可通过 umi-ocr 命令行或 HTTP 接口调用(命令行依赖软件内的本地 HTTP 服务,默认开启)。仅支持 Windows 与 Linux。
hiroi-sora/Umi-OCR48.8k
Marker
CLI把 PDF、图片、PPTX、DOCX、XLSX、EPUB 等文档转换为 Markdown、JSON 或 HTML,能还原表格、公式与版面结构,可选接入大模型提升精度。需 Python 3.10+ 与 PyTorch;模型权重大规模商用需付费授权。
datalab-to/marker41k
olmOCR
CLIAI2 出品的 PDF 与扫描件转 Markdown 工具,基于视觉大模型,能处理公式、表格、手写和多栏排版,适合批量数字化论文和档案。本地运行需 12GB 显存以上的 NVIDIA 显卡;没有显卡可接入兼容 OpenAI 接口的远程推理服务(需 API Key,按量付费)。
allenai/olmocr19.8k
Manga Image Translator
CLI一条命令批量翻译漫画、海报、截图里的文字:自动检测文字、OCR、擦除原文并把译文排版回图中,以日文为主,也支持中英等 20 多种语言。需从源码安装(Python 3.10+),可用离线模型,也可接 DeepL 或大模型 API。
zyddnys/manga-image-translator10.6k
Video-subtitle-extractor
CLI识别视频里烧录的硬字幕并生成 SRT 或 TXT 文件,OCR 全在本地完成,支持中英日韩等 87 种语言。以图形界面为主(可批量),命令行版 backend/main.py 从标准输入读取视频路径和字幕区域。需要 Python 3.12+ 与 PaddlePaddle,路径不能含中文和空格。
YaoFANGUK/video-subtitle-extractor9.7k
Pix2Text
CLI把含数学公式、表格的图片或整份 PDF(含扫描件)识别成 Markdown 与 LaTeX,中英文效果好,支持 80 多种语言,适合教师把试卷、讲义数字化,学生整理笔记。开源的 Mathpix 替代品,在本机运行,需要 Python 环境。
breezedeus/Pix2Text3.3k
anymd
MCP在本机把 PDF、Word、PPT、Excel、EPUB、网页和图片转成干净的 Markdown,保留页码锚点、表格与双栏阅读顺序,并能跨文件夹全文搜索,便于核对合同、卷宗与论文原文。原名 pdf-reader-mcp;文件不上传、无需 API Key,本机需 Node.js 18+,扫描件 OCR 需另装 tesseract。
SylphxAI/anymd1.1k
LaTeX Document Skill
Skill用自然语言描述就能得到排好版的 PDF:把手写笔记或扫描教材转成 LaTeX 讲义和速查表,出带答案的试卷,写论文、学位论文、学术海报、简历与信函,内置 27 个模板及图表、批量套打脚本。需安装 TeX Live 等依赖(附一键安装脚本)。
ndpvt-web/latex-document-skill836
Knowledge Absorber(知识吸收器)
Skill把网页、长 PDF、Word、图片或代码整理成导师式学习笔记,输出 Markdown 笔记和可搜索的 HTML 知识卡片,含概念拆解与思维导图,适合自学。需本机 Python 3.8+ 及依赖,部分网页要装 Chrome;可选的导师对话模式需自备 OpenAI 兼容 API Key。
YuJunZhiXue/StudyAnalysis-Skills665
Nextcloud MCP Server
MCP连接自建或托管的 Nextcloud,让 agent 管理网盘文件、日历、联系人、笔记、Deck 看板和邮件,读取 PDF、Word 文档内容(扫描件识别需另行开启),适合重视数据自主的团队。需 Nextcloud 账号与应用专用密码,本机装好 uv。
cbcoutinho/nextcloud-mcp-server418
ImageSorcery MCP
MCP在本机处理图片的 MCP:裁剪、缩放、旋转、加文字与水印、打码、去背景,识别图中物体并用 OCR 提取文字,图片不上传任何服务器,适合整理照片、扫描件与课件配图。需 Python 3.10 与 pipx,首次安装会下载识别模型。
sunriseapps/imagesorcery-mcp340
MinerU Open MCP
MCPMinerU 官方 MCP:调用 mineru.net 云端接口把 PDF、Word、PPT 与图片解析为 Markdown,保留表格与公式;免 Key 的 Flash 模式可直接使用,配置 Token 可解锁更高额度与更多格式。
opendatalab/MinerU-Ecosystem230
iFly-Skills
Skill科大讯飞官方技能合集:机器翻译、视频翻译配音、公文校对、PDF/图片与发票识别、语音转写与合成,另有合同智能审核(结果须由律师或法务复核)。需在讯飞开放平台开通对应服务并配置 AppID 与密钥,合同审核另需配置 OCR 与大模型接口。
iflytek/iFly-Skills215