OCR4all - OCR para todos

• Completamente gratis y de código abierto. Sin suscripciones/funciones de pago/código oculto
• Se puede aplicar de forma flexible, desde el procesamiento de alta calidad de manuscritos complejos hasta el reconocimiento masivo de texto completo de material impreso
• Potente soporte para anotación de diseño y texto
  • Usando el editor LAREX para anotar manualmente, corregir o comparar elementos de diseño y texto
• Totalmente compatible con el ecosistema OCR-D
• Diseño pensado para la usabilidad: se pueden crear flujos de trabajo complejos de OCR desde la UI sin usar código/CLI
• Desarrollo multiplataforma sencillo: se puede ejecutar con Docker y un solo comando sin importar el tipo de OS

[GN⁺]

Comentarios en Hacker News

• Los pipelines de segmentación complejos eran necesarios hace unos años, pero ahora introducen muchos errores y le quitan contexto importante al modelo. Para pasar a la escritura manuscrita, se necesita contexto

  • Para descifrar escritura manuscrita histórica, los expertos dirían que hace falta el documento completo
  • Hay que llevar el reconocimiento de texto hasta el final, no solo el reconocimiento de caracteres
  • Evaluar modelos con CER no es una buena idea
  • El reconocimiento de texto está repitiendo los errores de la traducción automática de hace 15 años

• OCR4all es software para la recuperación y el reconocimiento de texto digital de impresos de la primera modernidad

  • Los tipos de impresión complejos y los diseños no uniformes ponen a prueba las capacidades del software común de reconocimiento de texto
  • Parece estar construido sobre Calamari-OCR

• OCR4all aborda de forma clara e intuitiva las necesidades de los usuarios no técnicos

  • Hay instrucciones que dicen que abras una terminal en Linux y escribas comandos
  • Queda la duda de cómo eso ayuda a usuarios no técnicos

• El Vision Framework de Apple ofrece una biblioteca de reconocimiento de texto más rápida y precisa que Tesseract

  • Puede procesar casi cualquier formato de imagen
  • Se escribió una herramienta CLI simple y un wrapper de Python

• Combinar Tesseract con un LLM para corregir errores y mejorar el formato es actualmente el punto óptimo en velocidad/eficiencia/precisión

  • Se puede editar el texto del prompt en inglés para priorizar aspectos específicos del documento de entrada

• Se desarrolló una API de OCR asistida por IA

  • Combina Tesseract y Poppler-utils para extraer segmentos de documentos de forma inteligente
  • Puede ampliarse fácilmente a varios modelos Vision LLM
  • Entrega toda la API de agentes de IA como un contenedor Dockerized

• Este flujo de trabajo consiste en digitalizar documentos impresos históricos

  • Está relacionado con preservar avisos antiguos en tipografía blackletter

• OCR4all ofrece un flujo de trabajo de reconocimiento automático de texto al combinar varias soluciones de código abierto

  • Parece basarse en OCR-D, que a su vez se basa en Tesseract, Kraken, DUP-ocropy y Calamari-OCR
  • Parece ser una alternativa de código abierto a Transkribus
  • eScriptorium es otra alternativa

• Hay curiosidad por saber si es un nuevo motor OCR SOTA o una herramienta que usa otros motores ya conocidos

  • Ojalá la landing page fuera más clara

• Aunque parecía que Tesseract ya había resuelto la mayor parte del OCR, se está buscando una biblioteca o implementación para la compresión MRC de PDFs resultantes

  • Los productos comerciales son caros, y separar, comprimir y volver a combinar las capas de imagen es un problema difícil