tessdoc

tessdoc

多语言支持的开源文字识别引擎

Tesseract是一款功能强大的开源OCR引擎,支持100多种语言和35种以上的文字。它提供命令行和API接口,可从图像中精确提取文本。Tesseract采用LSTM神经网络技术,具有高度可定制性,并配备完善的训练测试工具。该引擎可跨平台使用,包括移动设备,为开发者提供了灵活的文字识别解决方案。

TesseractOCR文字识别开源软件机器学习Github开源项目

Tesseract 用户手册

本用户手册适用于 Tesseract 5.x 版本。 对于 4.x.x、3.05.02 及更早版本,请参阅旧版文档

简介

Tesseract 是一个开源文字识别(OCR)引擎,基于 Apache 2.0 许可发布。

Tesseract 可以通过命令行直接使用,或者(对于程序员来说)通过使用 API 从图像中提取印刷文本。它支持多种语言。Tesseract 没有内置的图形用户界面,但在 3rdParty 页面上有几个可用的界面。Tesseract 的外部工具、封装和训练项目列在 AddOns 下。

Tesseract 可以在 Apache License 2.0 的条款下在您自己的项目中使用。它有一个功能齐全的 API,可以编译用于各种目标,包括 Android 和 iPhone。请查看 3rdPartyAddOns 页面,了解它已经完成的一些示例。

如果您有问题,请先阅读文档, 特别是 FAQ,看看您的问题是否在那里得到解答。 如果没有,请搜索问题列表Tesseract 用户论坛, 如果您仍然找不到所需的信息,请在 Tesseract 用户论坛 Google 群组中提出您的问题。

Tesseract 是自由软件,所以如果您想参与并提供帮助,请随时加入! 如果您发现了一个 bug 并自己修复了,最好的做法是将补丁附加到 问题列表 中的 bug 报告上。

发布和更新日志

基于 LSTM 的 Tesseract

Tesseract 4.0 添加了一个基于 LSTM 神经网络的新 OCR 引擎。它在 x86/Linux 上运行良好,官方语言模型数据可用于 100 多种语言和 35 多种文字。有关更多详细信息,请参阅 4.0x 更新日志

5.x.x

源代码

Tesseract 5.x.x 源代码可在存储库main 分支中找到。 main 分支使用 5.0.0 语义版本控制,因为 C++ 代码现代化导致与 4.x 发布版本的 API 不兼容。

二进制文件

二进制文件可从以下位置获取:

训练数据文件

有关不同类型模型的详细信息,请参阅 数据文件

版本 4.00 的模型文件可从 tessdata 标记为 4.00 获取。它包含 2016 年 11 月的模型。各个语言文件的链接可从以下链接获取。

版本 4.0.0 及更高版本的模型文件可从 tessdata 标记为 4.0.0 获取。 它包含 2017 年 9 月的旧版模型,这些模型已使用 tessdata_best LSTM 模型的整数版本进行了更新。这组训练数据文件同时支持使用 --oem 0 的旧识别器和使用 --oem 1 的 LSTM 模型。 这些模型可从以下 Github 仓库获取。

  • tessdata 两套额外的由Google训练的"官方"traineddata在以下GitHub仓库中提供。这些数据集不包含传统模型,仅包含可与"--oem 1"一起使用的LSTM模型。

  • tessdata_best

  • tessdata_fast

与上面列出的4.0.0版本相同的语言模型traineddata文件可用于Tesseract 5.x.x。这些文件可从以下地址获取:

编译和安装

使用

API示例

技术信息

Tesseract 5的训练

使用tesstrain.sh(即Tesseract 4训练)的训练方法已不受支持/被废弃。 请使用tesseract-ocr/tesstrain中的脚本进行训练。

测试

外部项目

旧版本用户手册

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

下拉加载更多