オープンソースのGitHubドキュメントAIツール(Raven & Prism)

RavenとPrismは、ローカルで動作するオープンソースのドキュメントAIおよびOCR翻訳ツールを提供します。
Key insights
RavenはAppleデバイス上でドキュメントAIをローカルに実行
Ravenは、PDF、画像、音声、動画をインタラクティブでクエリ可能なコンテンツに変換するオープンソースアプリケーションです。Appleのローカルモデルを使用して、全てのデータをローカルで処理し、オフラインでのトランスクリプション、動画テキスト抽出、インテリジェントなQ&A、コンテンツ分析を行います。ユーザーはプロジェクトを作成し、ファイルをドラッグインして、アップロードされたドキュメントに基づいて質問を行います。RavenはmacOSおよびiOSに対応しており、App Storeで入手可能で、GitHubでは自己コンパイル用のソースコードも提供しています。
Prismはモデルの柔軟性を持つクロスプラットフォームOCR翻訳を提供
Prismは、TauriとRustで構築されたオープンソースのクロスプラットフォームAI翻訳ツールで、スクリーンショットOCRとエリア選択認識を統合しています。Qwenモデルを使用して正確な認識と翻訳を行い、カスタムAIモデルをサポートし、OpenAIスタイルのAPIフォーマットに互換性があるため、ユーザーはTencent Hunyuanなどのプロバイダーに切り替えることができます。翻訳履歴はプライバシーのためにSQLiteにローカルで保存されます。PrismはWindowsおよびmacOS用のインストーラーを提供し、動作にはAPIキーの設定が必要です。
両ツールはプライバシーとオープンソースの配布を重視
RavenとPrismは、ローカルデータの管理とプライバシーを強調しています。RavenはAppleのローカルモデルを介してオフラインでドキュメントを処理し、App Storeアプリとオープンソースコードを提供します。一方、Prismは翻訳履歴をSQLiteにローカルで保存し、自己ホストまたは構成可能なモデルエンドポイントをサポートしています。両プロジェクトはGitHubで入手可能で、ドキュメント処理と翻訳のための軽量でプライバシーを保護するワークフローを好むユーザーをターゲットにしています。