bhimrazy/receipt-ocr

解決的問題

簡化將收據影像轉換為可用資料的流程。提供兩種途徑：使用 Tesseract OCR 從影像中提取原始文字，或使用大型語言模型（LLMs）提取結構化、機器可讀的 JSON 資料（例如商家名稱、日期和明細項目）。

如何運作

此專案分為兩個模組：

1. 收據 OCR 模組：使用 LLM 提供者（如 OpenAI、Google Gemini 或 Groq）分析收據影像，並解析為特定的 JSON 模式。可透過 CLI、Python 套件或 FastAPI 網路服務使用。
2. Tesseract OCR 模組：使用 Tesseract OCR 引擎從影像中提取原始文字，透過 CLI 或基於 Docker 的 API 提供簡單的文字輸出。

適用對象

• 開發費用追蹤或會計軟體的開發者。
• 需要自動化物理收據數位化的使用者。
• 需要生產就緒的收據處理 REST API 的團隊。

主要特色

• 多 LLM 支援：相容 OpenAI、Gemini 和 Groq。
• 可自訂提取：允許使用者定義自己的 JSON 模式以提取所需資料。
• 彈性部署：可作為本地 Python 套件、CLI 工具，或部署為 Docker 化的 FastAPI 服務運行。
• 雙模式提取：同時提供原始文字提取（Tesseract）與結構化資料提取（LLM）。