最近被 OCR 识别搞得头痛

[ltfree]

最近项目需要识别功能，对接了第三方 OCR 公司 但出现问题频率太高了，windows 正常识别，部署到服务器就失败，环境换了又换（都是对方指定版本） 我看用的是一些 opencv 的包，也不懂很无奈

有擅长的朋友给些意见么

[ala2008]

之前不是有人开源弄了个微信 ocr 吗，感觉挺强的

[lanweizhujiao]

那个我有 你敢使用吗？

[ltfree]

@ala2008 我们这需要在内网运行的

[datocp]

之前的 px940 采集二维码，不知道算不算 ocr 。平时习惯 sysprep 生成 update 过的系统。
最后才发现只能装 ltsc2021 最原始的发行版本，不在线更新补丁，一些识别异常的问题就解决了。通常供应商指定的系统应该能解决吧，难道是显卡驱动部分嘛。显卡在 win10 以上的系统主要是截取的画面位置变化。软件快捷方式有 更改高 DPI 设置/替代高 DPI 缩放行为/应用程序。

[reeco]

部署个 paddleocr 解决

[pulutom40]

@ltfree 那个微信 ocr 是把微信的模型提出来运行，不是运行一个微信

[katwalk]

@ala2008 那个微信 ocr 项目叫什么，想用一下

[gxt92]

@katwalk https://www.v2ex.com/t/1120897
原 OP 好像删库了， 找 fork 了的人

[miyuki]

@ltfree 那个应该是把模型文件扒出来了

[LiuJiang]

试试 openAI 最新的 o3 模型识别？

[ltfree]

@LiuJiang 好的 我去看看

[Meld]

@LiuJiang

这俩的应用层都不一样把，OCR 的场景和 O3 的推理场景不是完全重合的把，OCR 仅仅是 O3 推理流程的一环，为了一个 ORC 去用 O3 这不完全本末倒置了吗？

[MartinYANG06]

用 docker 配好容器直接拉过去呗

[villivateur]

我用 ollama 自己部署的 gemma3 ，用来做 OCR 效率挺高的

[mumbler]

OCR 开源项目就那几个，你们用的是哪个

[Alexf4]

AI 可以试试 gemini/o3
专精的就试试 PaddleOCR

[BadMan]

如果你们有 gpu 机器，直接到 huggingface 上按排行榜下载一个 ocr 模型或者多模态大模型部署，效果很好的

[Patrick6]

https://mistral.ai/news/mistral-ocr
这个？

[nananqujava]

微信那个 OCR 提取我用了, 自己部署后效果不好, 听说和系统, CPU 型号有关

[NoOneNoBody]

识别率如何是技术问题，但部署成功失败，就是管理问题了，不能只听外包的
opencv 本身不带 ocr ，它只是读图，以及方便定位（图片上的位置）、变换，它只是依赖的部分

目前国内用得广泛的就是 paddleocr ，这货最大问题是依赖问题，例如 numpy 2 、多环境部署都有问题
例如 opencv 版本比较新，opencv 依赖的 numpy 也新，那依赖较旧 numpy 版本的 paddleocr 就会冲突
我建议你就是找那些单独打包的，不太需要另装依赖的（如 docker ），以 api 方式跑，部署会比较简单

如果外包公司提供的在 windows 跑得比较顺，盲猜跟微信 ocr 有关

如果是对物理静态文件的 ocr ，一般都不太多问题，按上述方法做就可以了，github 上搜 umi ocr ，很多项目
如果是针对 stream ，例如网络传送、视频流、摄像头采集，没有物理文件的，这个才复杂些