Ce projet permet d'extraire, analyser et structurer des données textuelles issues de documents ou de conversations. Il facilite la création de chatbots capables de répondre automatiquement à des requêtes en langage naturel, optimisant ainsi l'interaction avec les utilisateurs. Les entreprises l'utilisent pour automatiser des processus de support client, analyser des retours clients ou générer des insights à partir de grandes quantités de texte.

Ce projet vise à automatiser la conversion de périodes historiques exprimées en texte (comme 'XIIIe siècle') en valeurs numériques standardisées. Il s'appuie sur des modèles de langage avancés pour analyser des documents patrimoniaux, notamment ceux issus de collections numérisées comme celles de l'Irht. Les résultats sont structurés sous forme de données exploitables pour des recherches historiques ou des analyses quantitatives.

Ce projet propose un backend spécialisé dans l'extraction de texte à partir de documents numérisés ou PDF via des technologies d'OCR avancées. Il permet aux utilisateurs de traiter des fichiers volumineux en exploitant plusieurs modèles d'OCR (Marker, Nanonets, OlmOCR) pour une conversion précise et rapide. L'outil est conçu pour s'intégrer facilement dans des workflows existants, offrant une solution scalable et performante pour la digitalisation de documents.

DigiPDF est une application web open source dédiée à la manipulation et à l'optimisation de fichiers PDF. Elle permet aux utilisateurs de convertir, fusionner, diviser, compresser ou extraire du texte et des images depuis des documents PDF. L'outil intègre également des fonctionnalités avancées comme la conversion d'images en PDF ou l'optimisation de fichiers pour réduire leur taille.

Service d'API REST dédié à la transcription automatique de fichiers audio en texte. Permet aux utilisateurs de déposer des enregistrements vocaux dans une boîte aux lettres dédiée et de récupérer les transcriptions générées par le modèle Whisper. Idéal pour automatiser la conversion de dictées, réunions ou contenus audio en texte structuré.

Le projet ICU (International Components for Unicode) est une bibliothèque open-source qui fournit des fonctionnalités avancées de traitement de texte et de formatage de données pour les applications internationalisées. ICU prend en charge un large éventail de langues et de régions, et offre des fonctionnalités telles que la décomposition et la normalisation de chaînes, la segmentation de mots, la conversion de calendriers, le tri et la collation, ainsi que le formatage de nombres, de devises, de pourcentages et de dates.

MiniGPT-4 est un modèle de compréhension de l'image et du langage qui aligne un encodeur visuel congelé de BLIP-2 avec un LLM congelé, Vicuna, en utilisant une seule couche de projection. Il est formé en deux étapes, la première étape traditionnelle de pré-entraînement étant formée sur environ 5 millions de paires alignées d'images-texte en 10 heures en utilisant 4 A100. Après la première étape, Vicuna est capable de comprendre l'image, mais la capacité de génération de Vicuna est fortement impactée. Pour résoudre ce problème et améliorer sa fiabilité et son utilité, une petite (3500 paires au total) mais haute qualité est créée par le modèle lui-même et ChatGPT ensemble. La deuxième étape de mise en forme est formée sur ce jeu de données dans un modèle de conversation pour améliorer considérablement sa fiabilité et son utilité globales.

Outil dédié à l'analyse, l'interpolation et la conversion de fichiers de configuration au format ReOBS. Il permet de parser des fichiers texte structurés, d'appliquer des substitutions ou des préprocesseurs, et de générer des dictionnaires Python pour une utilisation simplifiée dans des projets logiciels. Idéal pour automatiser la gestion de configurations complexes.

Le projet libthai est une bibliothèque logicielle qui fournit des fonctionnalités avancées pour la composition et la manipulation de chaînes de texte thaï. Elle prend en charge la conversion entre les systèmes d'écriture thaï et la translittération latine, l'analyse de la casse et de la composition des caractères thaï, ainsi que d'autres fonctionnalités utiles pour les développeurs travaillant avec du texte thaï.

Ce modèle permet de transformer des fichiers texte écrits en syntaxe Markdown en pages web HTML de manière simple et automatisée. Il s'adresse aux utilisateurs souhaitant créer rapidement des pages web sans maîtriser les langages de développement web. Idéal pour des projets éducatifs ou des sites personnels basiques, il facilite la conversion et la publication de contenus en ligne.