OCR4all - OCR para todos

• Totalmente gratuito e open source. Sem assinatura/recursos pagos/código oculto
• Pode ser aplicado com flexibilidade, desde o processamento de alta qualidade de manuscritos desafiadores até o reconhecimento massivo de texto completo de materiais impressos
• Suporte robusto para anotação de layout e texto
  • Usando o editor LAREX, é possível anotar manualmente, corrigir ou comparar elementos de layout e texto
• Totalmente compatível com o ecossistema OCR-D
• Design pensado para usabilidade: é possível criar fluxos de trabalho complexos de OCR pela UI sem usar código/CLI
• Desenvolvimento multiplataforma fácil: pode ser executado com Docker e um único comando, independentemente do sistema operacional

[GN⁺]

Comentários do Hacker News

• Pipelines complexos de segmentação eram necessários alguns anos atrás, mas agora geram muitos erros e tiram do modelo um contexto importante. Para avançar para manuscritos, contexto é necessário

  • Para decifrar manuscritos históricos, especialistas provavelmente dirão que é preciso o documento inteiro
  • É preciso levar o reconhecimento de texto até o fim, não apenas reconhecimento de caracteres
  • Avaliar modelos com CER não é uma boa ideia
  • O reconhecimento de texto está repetindo os erros da tradução automática de 15 anos atrás

• OCR4all é um software para recuperação e reconhecimento de texto digital de impressos do início da era moderna

  • Tipos de impressão complexos e layouts não uniformes testam os limites de softwares comuns de reconhecimento de texto
  • Parece ter sido construído com base no Calamari-OCR

• O OCR4all atende claramente e de forma intuitiva às necessidades de usuários não técnicos

  • Há instruções para abrir o terminal no Linux e digitar comandos
  • Fica a dúvida de como isso ajuda usuários não técnicos

• O Vision Framework da Apple oferece uma biblioteca de reconhecimento de texto mais rápida e mais precisa que o Tesseract

  • Consegue lidar com quase todos os formatos de imagem
  • Foi criada uma ferramenta CLI simples e um wrapper em Python

• Combinar Tesseract com LLM para corrigir erros e melhorar a formatação é, no momento, o ponto ideal em velocidade/eficiência/precisão

  • É possível editar o texto do prompt em inglês para priorizar aspectos específicos do documento de entrada

• Foi desenvolvida uma API de OCR com suporte de IA

  • Combina Tesseract e Poppler-utils para extrair segmentos de documentos de forma inteligente
  • Pode ser expandida facilmente para vários modelos Vision LLM
  • Exporta uma API completa de agente de IA como contêiner Dockerizado

• Esse fluxo de trabalho é para digitalizar documentos impressos históricos

  • Está relacionado à preservação de avisos antigos em tipografia blackletter

• O OCR4all combina várias soluções open source para oferecer um fluxo de trabalho de reconhecimento automático de texto

  • Parece ser baseado em OCR-D, que por sua vez se baseia em Tesseract, Kraken, DUP-ocropy e Calamari-OCR
  • Parece ser uma alternativa open source ao Transkribus
  • O eScriptorium também é outra alternativa

• Há curiosidade se é um novo motor de OCR SOTA ou uma ferramenta que usa outros motores já conhecidos

  • Seria bom se a landing page fosse mais clara

• OCR parecia algo já resolvido em sua maior parte com o Tesseract, mas há busca por uma biblioteca ou implementação para compressão MRC no PDF resultante

  • Produtos comerciais custam caro, e separar, comprimir e recombinar camadas de imagem é um problema difícil