自然语言与OCR库

跨语言词嵌入映射的开源框架

Tesseract 是开源 OCR 引擎，支持 100 多种语言文字识别，广泛应用于文档扫描、PDF 处理、表单识别、无障碍辅助等场景。采用 LSTM 神经网络技术，提供命令行和 API 两种使用方式，兼容 Windows、Linux、macOS 多平台。是目前最成熟、应用最广泛的免费 OCR 解决方案之一。

AI2 开发的开源自然语言处理库，基于 PyTorch 构建，提供 NLP 研究和开发工具

基于全局词频统计的词向量表示学习算法与工具

ParaGraph International 开发的笔迹识别引擎，后被苹果收购用于 Newton 手写识别

Google 开发的词向量学习工具，通过神经网络从语料中学习词的分布式表示

C 语言图像处理库，Tesseract 用于打开和预处理输入图像的核心依赖

斯坦福 NLP 小组开发的 Python 自然语言处理库，支持多语言分词、NER、句法分析等功能

Pyserini 是一个 Python 信息检索研究工具包，支持稀疏和稠密表示