大佬，关于此工具的一些探讨，望沟通 about umi-ocr HOT 1 CLOSED

你好~

关于 PaddleOCR ，本项目默认自带的是原项目提供的轻量版模型，在家用电脑上有较好的效率。原项目还提供了高精度版模型（体积大、识别速度慢）。你可以在 这里 下载模型，并参考 #316 将模型导入 Umi 。

注意， #316 中只提到了 高精度文本检测库 _server_det 。如果你想要达到最大精度，可以将 高精度文本识别库 _server_rec 也一并导入。

你可以自己训练或微调Paddle的高精度模型。本地训练的一个关键优势是：可以根据自家业务，有针对性地调整模型。比如说，你们业务中经常出现某种地名、人名、专业术语的生僻字，就可以用这些素材来针对性的训练，这是在线服务所无法实现的。

精度与设备（CPU/GPU）没有直接关系。设备性能只影响推理速度。不过，如果打算在生产环境中使用计算量大的高精度库，那么部署到GPU服务器可以提升响应速度。

当然，在开始之前，你们还是应该先做充分的调研。百度、腾讯等都提供了高精度识别的在线接口（比常规接口更贵，效果更好，也支持多种语言）。它们或许采用了更先进的推理方式或模型架构，比我们这些开源项目性能更好。如果这些接口能满足你们业务需求，则直接用在线接口，或许比自己部署的成本更低。

总之，采用在线还是本地，需要经过调研、评测才能决定，不能只凭直觉。

另外，传统OCR技术是有极限的。像你提到的0变成o，大部分OCR模型都难以避免。使用NLP来二次纠正OCR结果，或者使用基于大模型的端到端式OCR，或许是未来的出路。可以了解一下相关的技术。

from umi-ocr.