bhimrazy/receipt-ocr

何を解決するか

レシート画像を扱いやすいデータに変換するプロセスを簡素化します。2つの方法を提供します：Tesseract OCRを使用して画像から生テキストを抽出する方法と、大規模言語モデル（LLM）を使用して構造化された機械可読JSONデータ（店名、日付、明細項目など）を抽出する方法です。

動作方法

このプロジェクトは2つのモジュールに分かれています：

1. レシートOCRモジュール：OpenAI、Google Gemini、GroqなどのLLMプロバイダーを使用してレシート画像を分析し、特定のJSONスキーマにパースします。CLI、Pythonライブラリ、またはFastAPIウェブサービスとして利用可能です。
2. Tesseract OCRモジュール：Tesseract OCRエンジンを使用して画像から生テキストを抽出し、CLIまたはDockerベースのAPIを通じてシンプルなテキスト出力を提供します。

対象ユーザー

• 経費追跡や会計ソフトを開発している開発者。
• 物理的なレシートのデジタル化を自動化したいユーザー。
• レシート処理用のプロダクション対応REST APIを必要とするチーム。

特徴

• 複数のLLM対応：OpenAI、Gemini、Groqと互換性があります。
• カスタマイズ可能な抽出：ユーザーが抽出したいデータ用の独自のJSONスキーマを定義できます。
• 柔軟なデプロイ：ローカルのPythonパッケージ、CLIツール、またはDocker化されたFastAPIサービスとして実行可能です。
• 二重抽出モード：生テキスト抽出（Tesseract）と構造化データ抽出（LLM）の両方を提供します。