uniOCR: クロスプラットフォームのオープンソーステキスト認識ツール

はじめに

uniOCRはmediar-aiチームによって開発されたオープンソースのテキスト認識ツールです。Rust言語をベースにしており、macOS、Windows、Linuxをサポートしている。uniOCRの主な特徴は、クロスプラットフォームのサポートと統一されたインターフェースデザインです。Vision Kit for macOS、Windows OCR、Tesseractなど複数のOCRエンジンを統合し、クラウドOCRもサポートしている。プロジェクトのコードは公開されており、ユーザーが自由に修正・拡張することができます。

機能一覧

• macOS、Windows、Linuxシステムをサポートし、クロスプラットフォームで動作します。
• macOS Vision、Windows OCR、Tesseract、Cloud OCRなど、複数のOCRエンジンオプションが利用可能です。
• 単一画像または複数画像からのテキスト抽出をサポートします。
• 異なるOCRエンジン間の切り替えを容易にする統一されたAPIインターフェースを提供する。
• 認識効率を高めるため、非同期操作とバッチ処理をサポート。
• 言語、信頼度のしきい値、タイムアウトなどの設定をカスタマイズできる。
• オープンソースプロジェクトで、ユーザーはコードを閲覧し、修正することができる。

ヘルプの使用

設置プロセス

uniOCRの実行には、Rust環境と関連する依存関係が必要です。以下はその詳細な手順です：

1. 錆の設置
   • ターミナルを開き、以下のコマンドを入力してRustをインストールする：

     curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh
     

   • インストールが完了したら rustc --version バージョンを確認し、インストールが成功したことを確認する。
2. uniOCRソースコードダウンロード
   • Gitを使ってプロジェクトをローカルにクローンする：

     git clone https://github.com/mediar-ai/uniOCR.git
     

   • プロジェクト・カタログにアクセスする：

     cd uniOCR
     

3. テッセラクトのインストール（オプション）
   • Tesseractエンジンを使用したい場合は、追加でインストールする必要があります：
     • macOS: 実行中 brew install tesseract
     • Ubuntu：実行中 apt-get install tesseract-ocr
     • ウィンドウズ：実行中 winget install tesseract または手動でインストールパッケージをダウンロードしてください。
   • macOS VisionとWindows OCRには追加のインストールは必要ありません。
4. プロジェクトのコンパイル
   • プロジェクト・ディレクトリで実行する：

     cargo build --release
     

   • コンパイル後、実行ファイルは <项目目录>/target/release/.
5. ランニングプログラム
   • 次のコマンドを入力して開始する：

     cargo run --release
     

使用方法

uniOCRは、コード呼び出しによるテキスト認識を可能にします。基本的な操作は以下の通り：

1. 写真を準備する
   • 認識する画像を配置する（例 test.png)をプロジェクト・カタログに追加する。
2. 基本的な例を実行する
   • コンパイラ <项目目录>/examples/basic.rsコードは以下の通り：

     use uniocr::{OcrEngine, OcrProvider};
     use anyhow::Result;
     #[tokio::main]
     async fn main() -> Result<()> {
     let engine = OcrEngine::new(OcrProvider::Auto)?;
     let text = engine.recognize_file("test.png").await?;
     println!("提取的文字: {}", text);
     Ok(())
     }
     

   • 例を実行する：

     cargo run --example basic
     

   • プログラムは画像内のテキストを出力する。
3. OCRエンジンの選択
   • 修正 OcrProvider パラメータでエンジンを切り替える：
     • macOSビジョン：OcrProvider::MacOS
     • Windows OCR：OcrProvider::Windows
     • テッセラクトOcrProvider::Tesseract
   • サンプルコード：

     let engine = OcrEngine::new(OcrProvider::Tesseract)?;
     

4. バッチファイル
   • コンパイラ <项目目录>/examples/batch_processing.rs::

     use uniocr::{OcrEngine, OcrProvider};
     use anyhow::Result;
     #[tokio::main]
     async fn main() -> Result<()> {
     let engine = OcrEngine::new(OcrProvider::Auto)?;
     let images = vec!["img1.png", "img2.png", "img3.png"];
     let results = engine.recognize_batch(images).await?;
     for (i, text) in results.iter().enumerate() {
     println!("图片 {} 提取的文字: {}", i + 1, text);
     }
     Ok(())
     }
     

   • 走っている：

     cargo run --example batch_processing
     

注目の機能操作

カスタマイズされた設定

• uniOCRは認識パラメーターの調整に対応しています。サンプルコード

use uniocr::{OcrEngine, OcrProvider, OcrOptions};
let options = OcrOptions::default()
.languages(vec!["eng", "chi_sim"])  // 设置英文和简体中文
.confidence_threshold(0.8)         // 置信度阈值
.timeout(std::time::Duration::from_secs(30));  // 超时 30 秒
let engine = OcrEngine::new(OcrProvider::Auto)?.with_options(options);

• 実行後、認識は設定されたとおりに実行される。

多言語サポート

• 中国語がわかる場合は、Tesseract用の中国語言語パックをインストールする必要があります：
• macOS/Ubuntu: を実行する。 brew install tesseract-lang もしかしたら apt-get install tesseract-ocr-chi-sim
• Windows: ダウンロード chi_sim.traineddata をTesseractのインストールディレクトリに追加します。 tessdata フォルダー
• 言語パラメータを vec!["chi_sim"].

パフォーマンス最適化

• uniOCRは、非同期処理と並列処理を採用しています。バッチ認識では、複数の画像を同時に処理し、時間を節約します。
• M4 MacBook Proのような高性能デバイスでは、macOS Visionは毎秒3.2枚の画像を90%の精度で処理できる。

ほら

• 画像は鮮明である必要があり、不鮮明であったり、光が弱かったりすると認識に影響することがある。
• WindowsシステムはWindows 10以上である必要があります。
• クラウドOCR（例：Google Cloud Vision）は、設定に追加の認証情報を必要とし、現時点では完全な公式例は利用できません。

アプリケーションシナリオ

1. 文書スキャン
   ユーザーは紙文書を撮影し、uniOCRを使ってテキストを抽出し、電子版として保存することができる。
2. 多言語翻訳
   画像内の外国語を認識した後、翻訳ツールと連携して多言語テキストを生成する。
3. 自動化されたワークフロー
   開発者は、uniOCRをスクリプトに統合して、画像をバッチ処理し、テキストを抽出することができます。

品質保証

1. どのシステムがuniOCRをサポートしていますか？
   macOS、Windows 10+、Linuxをサポートし、追加のハードウェアは必要ありません。
2. 認識精度を高めるには？
   高品質の画像を使用する、信頼度のしきい値を調整する、または適切なOCRエンジンを選択する。
3. Tesseractが中国語を認識しない場合はどうすればよいですか？
   中国語の言語パックをインストールし、設定する必要があります。 languages(vec!["chi_sim"]).