scribeocr/scribeocr

解决的问题

Scribe OCR 旨在解决 OCR（光学字符识别）数据不准确或对齐不佳的问题。传统 OCR 工具通常生成的是大致位于图像上方的“不可见文本”层，而 Scribe OCR 专注于高精度对齐和高效校对，将 OCR 准确率从 98% 提升至 100%。

如何工作

该应用完全在浏览器中运行，确保数据不会发送到远程服务器。它使用 Scribe.js 库进行文本识别。为了更易于发现错误，该工具为每个文档生成自定义字体，优化原始扫描图像与叠加文本之间的对齐。它提供专门的校对模式，可将可编辑文本精确叠加在源图像上，并以红色突出显示低置信度字符，以引导用户。

适用人群

适用于需要创建完全数字化、复现原始文档布局的 ebook 风格 PDF（无图像背景）的用户，也适用于需要创建准确可搜索 PDF 或校对现有 OCR 数据（包括 Tesseract HOCR 文件）的用户。

主要亮点

• 浏览器内处理：所有识别和处理均在浏览器本地完成。
• 字体优化：为每个文档生成自定义字体，以提升文本对齐精度和错误检测能力。
• ebook 模式：生成小文件体积的文本原生 PDF，忠实还原原始布局。
• 灵活导出：支持 ebook 风格 PDF 和传统图像上叠加不可见文本的 PDF。
• HOCR 支持：可编辑和修正其他应用程序生成的 OCR 数据。