BetterOCR

BetterOCR 项目介绍

简介

BetterOCR 是一个创新的光学字符识别(Optical Character Recognition, OCR)工具，它通过结合多种OCR引擎和大型语言模型（LLM）来提高文本识别的精度。无论是罕见的语言还是噪声较多的图像，BetterOCR 都力求提供更准确的识别结果。这一工具特别适用于那些需要高度精确文本结果的用户，如处理混合语言或复杂文本情境的用户。

支持的OCR引擎

BetterOCR 目前集成了以下几个 OCR 引擎：

• EasyOCR：由 JaidedAI 开发，支持多种语言的文本识别。
• Tesseract：Google开发的知名开源OCR引擎，提供了强大的文本识别功能。
• Pororo：由 KakaoBrain 开发，专注于处理韩语和英语文本。
  • 在使用 Pororo 时，它将EasyOCR用于文本检测，然后使用BrainOCR模块进行文本识别。Pororo目前仅适用于指定语言选项为英语（en）或韩语（ko）时。

使用的语言模型

BetterOCR 支持OpenAI的聊天模型。通过使用这些高级语言模型，BetterOCR 能够有效地校正和重构来自不同OCR引擎的文本输出，从而达到更高的识别准确性。

自定义上下文支持

用户可以为BetterOCR提供一个自定义上下文，以便在识别时使用特定的关键词，如专有名词和产品名称。这有助于进行拼写校正和噪音识别，确保即使是罕见或不常见的词汇也能被准确识别。

未来发展与社区贡献

BetterOCR 是一个快速发展的项目，开发计划中包含了更多的功能改进，如改进的界面及异步支持等。此外，项目非常欢迎社区的贡献，以共同推进这项工具的发展。

使用方法

用户可以通过简单的命令在Python环境中安装BetterOCR：

pip install betterocr

接着，用户可以通过如下代码对图片进行文本检测：

import betterocr

# text detection
text = betterocr.detect_text(
    "demo.png",
    ["ko", "en"], # language codes (from EasyOCR)
    context="", # (optional) context
    tesseract={
      "config": "--tessdata-dir ./tessdata"
    },
    openai={
      "API_KEY": "sk-xxxxxxx",
      "model": "gpt-3.5-turbo",
    },
)
print(text)

举例说明

以下是一些使用BetterOCR进行文本检测的例子：

• 英文与噪声处理：即使在文本噪声较多的情况下，BetterOCR也能够提供准确的文本重构结果。
• 韩英混合文本：在处理韩英混合文本时，BetterOCR展示了其多语言分析能力。
• 自定义上下文应用：通过自定义上下文，BetterOCR能够显著提高产品专有词汇的识别准确性。
• 印地语文本：展示了BetterOCR在处理非拉丁字母语言时的能力。

开源许可证

BetterOCR 采用 MIT 开源许可证，所有关注者都可以自由使用并贡献改进。如果您对该项目感兴趣，请为其加星支持。

BetterOCR 是由于 Junio Yeo 的努力而创建的项目，希望通过其不断的优化和改进为用户提供更优质的文本识别服务。