Vision Llm Python Packages

anyocr

A lightweight, unified OCR toolkit with a one-liner API. Supports Surya, EasyOCR, PaddleOCR, Tesseract, and Vision LLMs through a single interface.

pymidscene

PyMidscene - Midscene.js 的 Python SDK 实现 | AI 驱动的自然语言 UI 自动化，告别选择器，用中文描述即可操作。与官方缓存格式完全兼容。