OCR и документы

# OCR и документы

Подборка инструментов, которые помогают распознать скан, PDF, скриншот или таблицу и передать текст дальше — в заметки, Markdown или совместный документ. Карточки — в разделе ИИ-инструменты.

Кому полезно: тем, кто работает с договорами, прайсами, счетами и архивом скриншотов и хочет сохранить структуру документа, а не получить «простыню» без заголовков и таблиц.

На сайте уже есть разбор локального распознавания Xiaomi-OCR-0. Ниже — другие инструменты для работы с документами.

Chandra OCR 2: PDF и сканы в Markdown

Открытая модель распознавания текста переводит изображения и PDF в HTML, Markdown или JSON и сохраняет вёрстку страницы: заголовки, колонки, таблицы. Модель можно запустить на своём компьютере. Пригодится, когда нужно передать нейросети договор, прайс или скан, не потеряв структуру.

Репозиторий: github.com/datalab-to/chandra. Пост: t.me/ai_da_ru/1280.

Nameshot: понятные имена скриншотов на Mac

Nameshot сам даёт скриншотам понятные имена: нейросеть смотрит, что на снимке, и называет файл по содержанию. Работает через Apple Intelligence. Удобно для архива рекламных референсов и скриншотов конкурентов: нужный файл находится поиском по имени, а не перебором сотен файлов «Снимок экрана…».

Сайт: nameshot.app. Пост: t.me/ai_da_ru/1263.

Claude Sheets и Whiteboards

В Claude можно редактировать таблицы (Sheets) и доски (Whiteboards) вместе с коллегами и самой моделью. По сообщению Anthropic, функция доступна на всех платных тарифах. Отдельно анонсированы Claude Meetings: помощник будет подключаться к звонку, вести заметки и обновлять документы по ходу разговора. Это пока планы компании, мы эту функцию не проверяли.

Важно: Claude официально недоступен в России. Список стран — у Anthropic: Supported regions.

Статья Anthropic: More ways to work with Claude. Пост: t.me/ai_da_ru/1261.

Xiaomi-OCR-0 на своём компьютере

Как распознавать счета и документы локально, без обязательной отправки файлов в облако, — в отдельной статье OCR от Xiaomi на своём компьютере.

Ещё инструменты

PDF2MD конвертирует в Markdown целые пачки сканов и архивов и показывает, где OCR мог ошибиться: пустые страницы, мусор вместо текста. Принимает PDF, TIFF, фото, Word и Excel, в том числе упакованные в ZIP, RAR и 7z. Репозиторий: github.com/gogi2305/PDF2MD. Пост: t.me/ai_da_ru/1197.

Transcriber расшифровывает аудио и видео через Whisper на своём сервере или компьютере, без обязательной загрузки файлов в чужой сервис. Актуальный репозиторий: github.com/BrendownFerreira/transcriber. Пост: t.me/ai_da_ru/1223.

Understand Anything строит по коду, базе знаний или документации интерактивный граф, по которому можно искать и задавать вопросы. Работает с Claude Code, Codex, Cursor, Copilot и Gemini CLI. Репозиторий: github.com/Egonex-AI/Understand-Anything. Пост: t.me/ai_da_ru/1149.

NLLB 3.3B — локальный перевод примерно на 200 языков, включая редкие языки Африки, без обязательного облачного переводчика. Модель: huggingface.co/Sunbird/translate-nllb-3.3b-salt. Пост: t.me/ai_da_ru/1084.

eg2.haku.sh — бесплатное приложение для Mac, которое переводит речь в текст. Внутри — модель эмбеддингов EmbeddingGemma 2 (сама она речь не распознаёт) и отдельно обученный ридер. По данным авторов, которые приводит и пост AI-DA!, час записи на базовом MacBook Air обрабатывается локально примерно за 13 секунд. Нужны macOS 14+ и процессор Apple Silicon, словарь пока только английский. Сайт: eg2.haku.sh. Пост: t.me/ai_da_ru/1114.

Карточки инструментов этой подборки: /topics/instrumenty/ и /topics/operacionka/.

Проверено: 12.11.2026.