懂AI
ocrs

ocrs

基于Rust的开源OCR引擎和命令行工具

ocrs是一个基于Rust的开源光学字符识别(OCR)库和命令行工具，利用机器学习技术从各类图像中提取文本。它旨在提供一个现代化的OCR引擎，能够处理多种图像类型，并大幅减少预处理工作。ocrs具有跨平台兼容性，支持WebAssembly，使用开放许可数据集训练。目前项目处于早期阶段，支持拉丁字母识别，并计划未来扩展更多语言支持。

OCRRust图像文字提取机器学习ONNXGithub开源项目
访问官网GitHub

Ocrs

ocrs 是一个用于从图像中提取文本的 Rust 库和命令行工具，也称为 OCR（光学字符识别）。

该项目的目标是创建一个现代化的 OCR 引擎，它：

  • 能够在各种图像（扫描文档、包含文本的照片、屏幕截图等）上表现良好，与早期引擎如 Tesseract 相比，需要零或更少的预处理工作。这是通过在处理流程中更广泛地使用机器学习来实现的。
  • 易于在各种平台上编译和运行，包括 WebAssembly
  • 使用开放和宽松许可的数据集进行训练
  • 拥有易于理解和修改的代码库

在底层，该库使用 PyTorch 训练的神经网络模型，然后将其导出为 ONNX 格式，并使用 RTen 引擎执行。有关更多详细信息，请参阅模型部分。

状态

ocrs 目前处于早期预览阶段。与商业 OCR 引擎相比，可能会出现更多错误。

语言支持

ocrs 目前仅识别拉丁字母（如英语）。更多语言的支持计划中。

CLI 安装

要安装命令行工具，您首先需要安装 Rust 和 Cargo。然后运行：

$ cargo install ocrs-cli

CLI 使用

要从图像中提取文本，运行：

$ ocrs image.png

首次运行该工具时，它会自动下载所需的模型并将其存储在 ~/.cache/ocrs 中。

其他示例

从图像中提取文本并写入 content.txt：

$ ocrs image.png -o content.txt

以 JSON 格式从图像中提取文本和布局信息：

$ ocrs image.png --json -o content.json

在图像上标注检测到的单词和行的位置：

$ ocrs image.png --png -o annotated.png

库的使用

有关如何将 ocrs 作为 Rust 库使用的详细信息，请参阅 ocrs crate README。

模型和数据集

ocrs 使用 PyTorch 编写的神经网络模型。有关模型和数据集的更多详细信息，以及用于训练自定义模型的工具，请参阅 ocrs-models 存储库。这些模型也以 ONNX 格式提供，可用于其他机器学习运行时。

开发

要在本地构建和运行 ocrs 库和命令行工具，您需要安装最新的稳定版 Rust。然后运行：

git clone https://github.com/robertknight/ocrs.git
cd ocrs
cargo run -p ocrs-cli -r -- image.png

测试

Ocrs 为 ML 模型处理前后的代码提供单元测试，以及对整个流程（包括模型）进行测试的端到端测试。

在修改代码后，运行单元测试和 lint 检查：

make check

您也可以直接运行标准命令，如 cargo test。

运行端到端测试：

make test-e2e

有关 ML 模型评估的详细信息，请参阅 ocrs-models 存储库。

编辑推荐精选

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
问小白

问小白

全能AI智能助手，随时解答生活与工作的多样问题

问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。

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。

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。

下拉加载更多