Repolode
Предложить
tesseract-ocr

tesseract-ocr/tesseract

Open-source OCR-движок libtesseract и CLI для распознавания текста на изображениях: LSTM-распознавание и поддержка более 100 языков.

Open source альтернатива:Adobe Acrobat OCRABBYY FineReader

Открыть на GitHubСайт
Звёзды
77,087
Форки
10,852
Открытые issues
494
Последний коммит
18 часов назад

Что это?

Tesseract — движок оптического распознавания символов, который извлекает текст из изображений. Он поставляется в виде библиотеки libtesseract и CLI-программы tesseract, поэтому его можно запускать из командной оболочки или встраивать в другие приложения через C- или C++ API.

Современный движок основан на нейронной сети LSTM, предназначенной для распознавания строк текста. При этом он по-прежнему поддерживает устаревший движок распознавания шаблонов символов из Tesseract 3 — его можно выбрать с помощью параметра режима движка. Распознавание работает с текстом в UTF-8 и множеством языков сразу после установки; для дополнительных языков можно обучить модели. Поддерживаются входные изображения в форматах PNG, JPEG и TIFF, а результаты можно сохранять как обычный текст, hOCR, PDF (в том числе PDF только с невидимым текстовым слоем), TSV, ALTO или PAGE.

В проект не входит графический интерфейс. Качество изображения сильно влияет на результат, поэтому входные данные часто нужно предварительно обработать. Привязки для других языков программирования поддерживаются отдельно.

Ключевые возможности

  • 01Распознавание строк нейронной сетью LSTM с поддержкой устаревшего движка
  • 02Распознавание более 100 языков с выводом в UTF-8
  • 03Поддержка входных изображений PNG, JPEG и TIFF
  • 04Вывод обычного текста, hOCR, PDF с поиском, TSV, ALTO и PAGE
  • 05C и C++ API через libtesseract
  • 06Обучение пользовательских языковых моделей

Сценарии использования

  • Извлечение текста из сканов документов с сохранением в PDF с поиском
  • Пакетная оцифровка печатных книг или бланков
  • Добавление OCR в серверный сервис через C или C++ API
  • Распознавание текста на фотографиях вывесок или этикеток из командной строки

Быстрый старт

  1. 1

    Установите Tesseract из готового бинарного пакета (см. документацию по установке, ссылка на которую приведена в README)

  2. 2

    Или соберите Tesseract из исходного кода (сначала убедитесь, что ваш компилятор поддерживается)

  3. 3

    Запустите OCR для изображения, используя базовый синтаксис: tesseract imagename outputbase [-l lang]

Что важно знать

  • В проект не входит GUI-приложение; для этого понадобится сторонний инструмент.
  • Для распознавания языков требуются отдельные файлы traineddata.
  • Точность OCR часто зависит от качества входного изображения, которое может потребоваться улучшить.

Темы

#ocr#text-recognition#lstm#computer-vision#machine-learning#c-plus-plus#image-processing#hacktoberfest#ocr-engine#tesseract

Частые вопросы

Что такое tesseract?
Open-source OCR-движок libtesseract и CLI для распознавания текста на изображениях: LSTM-распознавание и поддержка более 100 языков. Tesseract — движок оптического распознавания символов, который извлекает текст из изображений. Он поставляется в виде библиотеки libtesseract и CLI-программы tesseract, поэтому его можно запускать из командной оболочки или встраивать в другие приложения через C- или C++ API.
tesseract можно использовать бесплатно? Какая у него лицензия?
tesseract распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
tesseract всё ещё поддерживается?
Активно поддерживается. Последний коммит в tesseract — 20 окт. 2026 г..
Для чего можно использовать tesseract?
Извлечение текста из сканов документов с сохранением в PDF с поиском Пакетная оцифровка печатных книг или бланков Добавление OCR в серверный сервис через C или C++ API Распознавание текста на фотографиях вывесок или этикеток из командной строки
Как установить tesseract?
Установите Tesseract из готового бинарного пакета (см. документацию по установке, ссылка на которую приведена в README) Или соберите Tesseract из исходного кода (сначала убедитесь, что ваш компилятор поддерживается) Запустите OCR для изображения, используя базовый синтаксис: tesseract imagename outputbase [-l lang]
Где скачать tesseract?
Исходный код и инструкции по установке — на GitHub: https://github.com/tesseract-ocr/tesseract

Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.

Похожие проекты

CVHub520 / X-AnyLabeling

Кроссплатформенное desktop-приложение для разметки текста, изображений, видео, облаков точек и мультимодальных данных с помощью ИИ, со встроенными моделями и экспортом в разные форматы.

ИИ и машинное обучение#image-annotation#computer-vision#deep-learning
10,7 тыс.1,2 тыс.PythonGPL-3.0Обновлён 3 дня назад