文字识别（OCR）

eSearch提供了开箱即用的离线 OCR，还可以选择在线 OCR。

离线 OCR

离线 OCR 完全免费，不依赖网络，但它体积较大。部分在线 OCR 可以免费体验，但它速度快，准确率高，不占体积。eSearch默认启用离线 OCR，可以直接使用。

在线 OCR

eSearch目前支持的在线 OCR 服务是百度 OCR、有道 OCR和大模型OCR。部分使用OCR的功能可能只能使用离线OCR。

百度 OCR

参考百度 OCR 的教程，获取 API Key 和 Secret Key，并填入设置中。截止 2022 年 1 月，百度 OCR 还可以免费领取服务。

有道 OCR

参考有道 AI 文档，在创建应用时服务选择光学字符识别服务-通用文字识别，接入方式为API，获取应用 ID 和密钥，并填入设置中。

大模型OCR

添加支持视觉的AI模型见文档即可

格式

一些 OCR 并不能识别文字，而是把文字的一行视为一个段落。

比如这是一个段落。但
由于显示软件的自动换
行，视觉上显示为多行，
OCR把他们视为5个段
落。

自动删除换行

自动删除换行可以分析结尾符号，自动删除换行。你也可以选中部分文字，针对他们进行删除换行操作。支持拉丁文字删除换行后自动添加空格。

段落识别

自带的离线可以识别基本分栏和段落，在设置中可勾选是否开启。设置百度 OCR 的段落识别也可以实现段落分析。

在编辑区按下撤回快捷键可恢复到原始未识别段落的排版。

校对

一方面，现在的 OCR 模型尽管识别率差强人意，但细节上有待提高，另一方面，由于印刷、字体等问题，OCR 常误判。对于一般的文本识别，目前的离线 OCR 已经够用，但如果你需要通过 OCR 录入文字，或精益求精，校对功能是必不可少的。

原图校对

仅仅是换行校对还不够，主页面提供了图片区进行辅助校对。

直接在图片区上选择文字，你可以体验类似苹果 Live Text（实况文本）的功能。但不止选择文字，选区将同步到编辑器，你在图片上选什么，编辑器就选什么，这样既可以知道图片上文字的位置，又可以编辑文字进行校对。

编辑器将使用 Chrome 的拼写检查，使用蓝色波浪线标出拼写错误，这样你就可以知道 OCR 这里识别错误（有时候会识别英式英语的一些拼写错误，忽略即可）。只知道错误还不行，需要找出原文，在编辑器上选择文字，自动在图片区上选中原文。

这样的选择双向同步既能了解文字在图片中的信息，也拥有的编辑能力。

不必担心编辑后就无法同步选择了，通过 diff 算法，即使你在编辑器上增删，双向同步也能尽可能地进行定位。

---

高级功能

其他语言离线 OCR，自定义 OCR 模型

离线 OCR 使用了 paddleOCR 的 OCR 方案。

目前 paddleOCR 还预训练了多种文字识别模型：

• 中英混合
• 中文繁体
• 英文
• 韩文
• 日文
• 泰卢固文
• 卡纳达文
• 泰米尔文
• 拉丁文
• 阿拉伯字母
• 斯拉夫字母
• 梵文字母

你可以直接在设置里下载，那里提供了文字与语言的对应，比如德语对应拉丁文。下载后自动添加到 OCR 模型列表。

也可以在这里下载，都提供了语言到文字的对应，还可以在 GitHub下载，模型都是一样的，GitHub 上没有文字提示。下载完毕后，解压到文件夹里，你会看到 1~3 个文件。打开 设置-OCR 添加模型，文件名有det的为检测模型，部分语言不附带，留空将使用默认模型。文件名有rec的为识别模型。.txt为字典文件。之后你可以更改 OCR 名字。

自己训练：

• 使用 paddleocr 训练模型
• 使用Paddle2ONNX本地转换
• 根据上面的方式添加

AI 后端

默认使用 CPU 运行模型，还支持 WebGPU CUDA（linux）、coreML（mac）、DirectML（Windows）。理论上如果你的设置支持以上三种后端，应该可以更快运行模型。部分模型或设备不支持一些后端，如有错误，请改回 CPU 后端。

目前模型在 CPU 运行时也保持在可接受的速度。

---