【免费下载链接】ndlocr-liteNDLOCR-Liteアプリケーションのリポジトリソースコードを含むNDLOCR‑Lite application repository (including source code)项目地址https://gitcode.com/gh_mirrors/nd/ndlocr-lite点击查看免费下载NDLOCR-Lite 是国立国会图书馆NDL开源的轻量级日语 OCR 引擎无需 GPU在普通笔记本上就能把图书、杂志扫描图像和 PDF 快速转成文本。本文带你从零上手用命令行一次讲透它的 12 个核心参数和 3 种典型运行场景5 分钟完成你的第一次批量文本化。一、NDLOCR-Lite 是什么无需 GPU 的日语 OCR 利器NDLOCR-Lite 由 NDL 实验室在 NDLOCR 基础上打造专为家庭级计算机设计Windows 11、macOSApple M4、LinuxUbuntu 22.04均已验证可用。它把 OCR 拆成三个协同工作的模块模块作用对应源码布局识别找出页面中的文字行、标题、表格等区域src/deim.py文字列识别把每个文字行识别成字符src/parseq.py阅读顺序整序让多栏、竖排页面按正确顺序输出src/reading_order/所有模型均为 ONNX 格式src/model/用级联策略调用三个不同长度的 PARSeq 模型短行走轻量模型、长行才调用大模型CPU 上也能跑得飞快 ⚡二、快速安装两条命令跑起来命令行方式需要Python 3.10 以上。方式一传统 pip 安装git clone https://gitcode.com/gh_mirrors/nd/ndlocr-lite cd ndlocr-lite pip install -r requirements.txt cd src依赖清单见 requirements.txt核心是onnxruntime、opencv-python-headless、pypdfium2PDF 渲染等。方式二如果你用uv一条命令即可安装成独立的ndlocr-lite命令uv tool install .验证安装是否成功直接运行版本参数ndlocr-lite --version三、12 个核心命令行参数速查全部参数定义在 src/ocr.py 的main()函数中以下是新手最常用的 12 个3.1 输入三兄弟决定处理什么参数说明--sourcedir指定目录批量处理其中所有支持的图像--sourceimg指定单张图像文件--sourcepdf指定PDF 文件按页渲染后逐页识别三者支持绝对/相对路径图像格式覆盖jpg / jpeg / png / tiff / tif / jp2 / bmp / webp。3.2 输出与格式控制决定结果长什么样参数说明--output输出目录唯一必填参数需提前创建--viz加--viz True输出蓝框标注的可视化图片方便人工校对--json-only只输出.json跳过.txt和.xml适合程序化集成3.3 性能与精度调节决定跑得多快多准参数说明--devicecpu默认或cuda配合onnxruntime-gpu启用 GPU 加速--simple-mode改用单一识别模型稍慢但架构更简单、精度可能略高--pdf-render-dpiPDF 渲染分辨率默认 150 DPI调高可改善小字识别3.4 场景开关与实用参数参数说明--enable-tcy启用竖中横检测显著改善报纸等竖排文档中横排文字的读取--pdf-output指定文本层 PDF 的保存路径默认输出到--output目录--version打印当前版本号 进阶参数--det-score-threshold、--det-conf-threshold、--det-iou-threshold可调节布局检测的置信度与去重阈值--rec-weights*系列可替换成自训练模型参见 train/README.md。四、3 种运行场景实战场景一目录批量处理——整本影印资料的流水线把一本书扫描成的所有页放在一个目录里一条命令全部搞定mkdir -p out python3 ocr.py --sourcedir 9892834_0001 --output out程序会按文件名顺序逐张处理每页生成.txt、.json、.xml三种结果并打印单页耗时。这是图书馆级数字化最常见的用法。场景二单张图像 可视化校对快速试跑一张图并让人肉验证识别区域python3 ocr.py --sourceimg digidepo_1287221_00000002.jpg --output out --viz True--viz True会在输出目录生成viz_前缀的图片文字行用蓝框标出框选合理说明布局模型工作正常漏框或碎框时可尝试调低--det-score-threshold。场景三PDF 直转文本 生成可复制的文本层 PDF这是命令行相对桌面版的杀手锏 ⭐ 直接喂 PDFpython3 ocr.py --sourcepdf book.pdf --output out --pdf-output out/book_text.pdf执行过程会用pypdfium2按--pdf-render-dpi默认 150逐页渲染成图像逐页走完整的布局识别 文字识别流程默认按页输出book_00001.txt/json/xml可用--no-pdf-page-output合并为整本单文件把识别文本以不可见文本层嵌回原 PDFsrc/pdf_output_utils.py生成的 PDF 既能看图、又能全文复制和搜索调试时可加--pdf-visible-text文本层会以蓝色直接画出来便于核对位置。五、读懂输出文件.txt、.json、.xml 各有什么用.txt纯文本按阅读顺序排好竖排页面会自动反转行序直接阅读/校对最方便.json每行含boundingBox、text、isVertical、confidence等字段是程序二次开发的理想格式.xml完整的布局结构PAGE → TEXTBLOCK → LINE带标题、注释等类型标注样本可参考 resource/digidepo_2531162_0024.xml对于竖排报纸等混排文档记得加--enable-tcy其检测逻辑位于 src/tcy_wrapper.pyv1.2 之后还强化了手写体识别横排手写文档效果如下整体平均 CER 约 0.268详见 README.md 的评价数据六、常见问题与调参小贴士❓ 报错Output Directory is not found.--output目录必须已存在先mkdir -p out再运行。❓ 报错Images are not found.检查扩展名是否在jpg / jpeg / png / tiff / tif / jp2 / bmp / webp之内。❓ 想只拿到 JSON 方便对接下游程序加--json-only输出体积和耗时都会小一截。❓ CPU 太慢怎么办默认级联策略已让短行走轻量模型无需额外设置有 NVIDIA GPU 时装onnxruntime-gpu并加--device cudaPDF 输入可先用默认 150 DPI不必盲目调高❓ 识别精度想再榨一点加--simple-mode用单一大模型识别所有行更慢但略准活字识别的 F 值评测数据在 evaluation_jptype.csv。结语一条git clonepip installNDLOCR-Lite 就能在你手边的笔记本上开工批量目录、单张图像、PDF 文本层三种场景覆盖绝大多数文档数字化需求12 个参数按需微调无需 GPU 也能获得流畅的日语 OCR 体验。赶时间先跑通场景二看一张viz_可视化图确认效果后再放心批量开跑 赞分享【免费下载链接】ndlocr-liteNDLOCR-Liteアプリケーションのリポジトリソースコードを含むNDLOCR‑Lite application repository (including source code)项目地址https://gitcode.com/gh_mirrors/nd/ndlocr-lite点击查看免费下载相关推荐Television (tv) 命令行参考参数、子命令与两种运行模式全解析Television tv 命令行参考参数、子命令与两种运行模式全解析 Television命令名 tv 是一款面向终端的高速、可移植、可高度定制的模糊查开发工具FastPhotoStyle命令行工具全解析demo.py参数与使用场景FastPhotoStyle命令行工具全解析demo.py参数与使用场景 你是否还在为复杂的图像风格迁移工具感到困惑是否想快速掌握如何用命令行实现专业级照片计算机视觉深度学习图像处理NsEmuTools命令行参数详解高级用法与场景应用NsEmuTools命令行参数详解高级用法与场景应用 NsEmuTools作为一款强大的NS模拟器管理工具其命令行参数功能为用户提供了灵活的操作方式。本文将桌面应用开发工具创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考