ndl-lab/ndlocr-lite

解決的問題

NDLOCR-Lite 提供了一種輕量級的光學字元辨識（OCR）解決方案，用於數位化書籍與雜誌。專為在一般家用電腦（筆電）與常見作業系統上運行而設計，無需 GPU，即可快速從檔案資料的數位影像中提取文字。

工作原理

系統結合三個主要模組，將影像轉換為文字：

1. 版面辨識：使用 DEIMv2 來識別文件的結構。
2. 文字辨識：使用 PARSeq 來辨識實際字元。
3. 閱讀順序排序：將辨識出的文字依正確順序排列。

模型使用 PyTorch 訓練，再轉換為 ONNX 格式以實現高效執行。應用程式可透過桌面 GUI（支援 Windows、Mac 與 Linux）或使用 Python 的命令列介面（CLI）使用。

適用對象

適合需要從影像中數位化印刷體或手寫日文文字，但缺乏高階硬體（如專用 GPU）或偏好使用簡單桌面應用程式進行檔案工作的使用者。

主要特色

• 硬體高效：專為在一般 CPU 上快速運行而設計，無需 GPU。
• 多平台相容：支援 Windows 11、macOS（含 Apple M4）與 Ubuntu 22.04。
• 輸入格式多元：支援 JPG、PNG、TIFF、JP2、BMP 與 WebP 等多種影像格式。
• 手寫支援：v1.2 版起增強手寫字元辨識能力。
• 輸出彈性：可輸出 XML 或 JSON 格式結果。