GOT-OCR-2.0 是一个基于通用 OCR 理论(General OCR Theory)的统一端到端模型,专注于提升光学字符识别(OCR)的准确性与效率。该项目由 StepFun、旷视科技、中国科学院大学和清华大学的研究团队共同发布,适用于场景文本、文档识别等多种应用场景。它采用了一体化的架构,能够高效处理文本的多样性和复杂性。GOT-OCR 2.0 不仅支持场景文本识别,还能处理多页文档,为 OCR 领域带来更多灵活性。
今天分享的就是GOT-OCR的GUI版本,支持的场景比如文本、文档、乐谱、图表、数学公式等内容识别。
有了这个软件,大家不用再去苦苦寻找免费的ORC识别软件了,很多软件接口不稳定,随时可能失效。有了这个软件,本地一键运行,无需联网,永久免费。
GOT-OCR-2.0 的特点包括:
- 通用性强:基于通用 OCR 理论,能够处理场景文本和复杂文档结构,如表格、公式等。
- 端到端模型:统一的端到端架构简化了整个 OCR 流程,从图像输入到文本输出一体化。
- 高效性能:集成了 Flash-Attention 技术,提升了识别速度和性能。
- 多平台支持:支持 CUDA 加速,并与 GOT-OCR2.0 平台集成,可加载预训练模型。
- 应用广泛:适用于多页文档、场景文本等广泛的应用场景。
使用教程:
这里说下几种模式的解释
OCR 模式
- ocr: 标准OCR
- format: 带格式的OCR
fine-grained 模式
- fine-grained-ocr: 在特定框内进行OCR内容识别
- fine-grained-format: 在特定框内进行OCR内容及格式识别
- fine-grained-color-ocr: 在特定颜色的框内进行OCR内容识别(我还没尝试过,但看起来你需要先画一个红/绿/蓝框,然后在GUI中选择颜色)
- fine-grained-color-format: 在特定颜色的框内进行OCR内容及格式识别
multi-crop 模式
- 适用于更复杂的图像
render 模式
- 已存在的文件将被覆盖!!!点击按钮前请检查文件路径!!!
- 渲染OCR内容并将其保存为HTML文件
- 将保存为UTF8编码和GB2312编码文件
- 你可以将HTML转换为PDF
**一键包下载:**私信 OCR