懂AI
tr

tr

高效的离线OCR文本识别与文档理解SDK

tr是一款离线OCR文本识别SDK，核心采用C++开发并提供Python接口，支持多行文本识别和多模态大模型集成。tr结合CRNN与TransformerEncoder，提供高效且资源占用低的OCR解决方案，适用于如弯曲文本和图表等复杂场景。最新版本优化了C++接口、支持Python2、多线程功能，并去除了对opencv-python和Pillow的依赖。提供简洁的下载与安装指引，及详细的示例代码便于快速部署和测试。

trOCRCRNNTransformer多模态大模型Github开源项目
访问官网GitHub

项目介绍：tr - 文本识别

项目概述

“tr”是一款针对扫描文档的离线文本识别SDK，核心代码采用C++开发，并提供Python接口，适用于Ubuntu 16.04系统。该项目的诞生背景是当时市场上开源OCR项目如chineseocr和tesseract相对较少，因此通过tr的开发来丰富开源OCR的选择。如今，tr已经基本完成其使命，未来的方向更偏向于研究型项目，追求技术的先进性。

核心功能与技术特色

CRNN支持多行文本识别

tr结合了CRNN与Transformer Encoder/Decoder技术，显著提升了对多行文本以及弯曲文本的识别能力。这样无需在标注时框出每一行的边界，减轻了开发与标注的工作量。

带有Transformer的CRNN

tr采用流行的YOLO系列主干网络，并引入轻量级Transformer Encoder结构，提升了模型对上下文的纠错能力。这种设计减少了对大量真实样本的需求，仅需100多个真实样本即可进行有效训练。

多模态文档理解

tr致力于在多模态大模型生态中寻找新的融合点。传统的OCR在文本识别后将结果以JSON、XML等格式输入LLM，但容易丢失图片中的重要信息。tr正在研发的端到端文档理解方案，将图像编码成一维序列，进一步提高对复杂内容的理解能力。

ChatCRNN的应用

tr研发了适用于多位数整数乘法的ChatCRNN模型。通过调整多行CRNN支持文本输入，从而让其在训练上展现出强大的性能。经验证，3位整数乘法精度达到了99.99%以上，可以适用于需要结合大语言模型的场景。

安装与运行

安装方法

用户可以通过以下两种方法安装tr：

  1. 使用Git克隆并安装：

    git clone https://github.com/myhub/tr.git
cd ./tr
sudo python setup.py install

  2. 通过pip直接安装：

    sudo pip install git+https://github.com/myhub/tr.git@master

示例代码

以下是使用Python接口的简单示例：

import tr
crnn = tr.CRNN()
chars, scores = crnn.run("imgs/line.png")
print("".join(chars))

用户还可以利用tr进行GUI截图识别，需安装PyQt5和PIL。

系统要求

tr需要Python2或Python3版本，并需安装Numpy。项目暂不支持Windows、CentOS 6、ARM系统。如需提升性能，可使用Docker进行GPU部署。

未来展望

未来tr将继续专注于技术研究，探索与大模型的融合，同时优化现有模块提高性能。尤其针对复杂的多模态文档理解，将不断迭代和完善，以期在技术前沿上更进一步。

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