SuperAPI AI 工具集

smart-ocr

通用与其它

查看项目

更新于 10-15 20:12

技能介绍

用途:Smart OCR 用于从图片、截图、扫描 PDF、名片、收据及手写文档中提取文字,底层使用 PaddleOCR 引擎,支持 100 多种语言。

主要能力:可指定检测语言(如 en、ch、cht、japan、korean、french、german、spanish、russian、arabic、hindi、vi、th、multilingual 自动检测);返回每行文字及其边界框坐标和置信度;支持角度分类以处理旋转文字;可处理单张图片、多张图片、扫描 PDF、URL 和字节流;可对结果按位置排序并重建文本布局。

使用方式:安装命令为 pip install paddlepaddle paddleocr(GPU 版为 pip install paddlepaddle-gpu paddleocr),处理 PDF 还需 pip install pdf2image Pillow。基本用法是初始化 PaddleOCR(use_angle_cls=True, lang='en'),再调用 ocr.ocr('image.png', cls=True),结果结构为 [[box, (text, confidence)], ...]。扫描 PDF 需先用 pdf2image 的 convert_from_path 转成图片再逐页识别。

适用场景:截图取字、扫描 PDF 转文本、名片信息提取、收据金额解析、多语言文档识别等。

限制:手写文字准确率不稳定;过小文字可能无法检测;复杂背景会降低准确率;旋转文字需启用角度分类;官方建议使用 GPU 以获得最佳性能。具体收费、价格与平台支持情况暂未提供。