OCR4all – OCR für alle

• Vollständig kostenlos und Open Source. Keine Abos / kostenpflichtigen Funktionen / versteckter Code
• Flexibel einsetzbar – von der hochwertigen Verarbeitung anspruchsvoller Vorlagen bis zur Massenerkennung von Volltext in Druckwerken
• Leistungsstarke Unterstützung für Layout- und Textannotation
  • Mit dem LAREX-Editor lassen sich Layout- und Textelemente manuell annotieren, korrigieren oder vergleichen
• Vollständig kompatibel mit dem OCR-D-Ökosystem
• Auf Benutzerfreundlichkeit ausgelegt: Komplexe OCR-Workflows lassen sich über die UI erstellen, ohne Code oder CLI zu verwenden
• Einfache plattformübergreifende Entwicklung: Unabhängig vom Betriebssystem mit Docker und einem einzigen Befehl ausführbar

[GN⁺]

Hacker-News-Kommentare

• Komplexe Segmentierungs-Pipelines waren vor einigen Jahren nötig, sind jetzt aber fehleranfällig und nehmen dem Modell wichtigen Kontext. Für den Übergang zu Handschrift wird Kontext benötigt

  • Um historische Handschriften zu entziffern, würden Fachleute sagen, dass das gesamte Dokument nötig ist
  • Man muss bis zum Ende Texterkennung statt Zeichenerkennung betreiben
  • Modelle mit CER zu bewerten, ist nicht sinnvoll
  • Die Texterkennung wiederholt die Fehler, die maschinelle Übersetzung vor 15 Jahren gemacht hat

• OCR4all ist Software zur Wiederherstellung und Erkennung digitaler Texte aus frühneuzeitlichen Druckwerken

  • Komplexe Drucktypen und uneinheitliche Layouts testen die Fähigkeiten gewöhnlicher Software zur Texterkennung
  • Es scheint auf Calamari-OCR aufzubauen

• OCR4all adressiert die Bedürfnisse nichttechnischer Nutzer klar und intuitiv

  • Es gibt Anweisungen, unter Linux ein Terminal zu öffnen und Befehle einzugeben
  • Fraglich ist, wie das nichttechnischen Nutzern hilft

• Apples Vision Framework bietet eine schnellere und genauere Bibliothek zur Texterkennung als Tesseract

  • Es kann nahezu alle Bildformate verarbeiten
  • Es wurde ein einfaches CLI-Tool und ein Python-Wrapper geschrieben

• Die Kombination von Tesseract und LLMs zur Korrektur von Fehlern und zur Verbesserung der Formatierung ist derzeit der Sweet Spot bei Geschwindigkeit/Effizienz/Genauigkeit

  • Durch Bearbeiten des englischen Prompt-Texts lassen sich dokumentenspezifische Aspekte priorisieren

• Es wurde eine KI-gestützte OCR-API entwickelt

  • Sie kombiniert Tesseract und Poppler-utils, um Dokumentsegmente intelligent zu extrahieren
  • Sie lässt sich leicht auf mehrere Vision-LLM-Modelle erweitern
  • Sie gibt eine vollständige KI-Agenten-API als Dockerized-Container aus

• Dieser Workflow dient der Digitalisierung historischer Druckdokumente

  • Es geht um die Bewahrung alter Bekanntmachungen in Frakturschrift

• OCR4all bietet einen Workflow zur automatischen Texterkennung durch die Kombination verschiedener Open-Source-Lösungen

  • Es scheint auf OCR-D zu basieren, das wiederum auf Tesseract, Kraken, DUP-ocropy und Calamari-OCR aufbaut
  • Es scheint eine Open-Source-Alternative zu Transkribus zu sein
  • eScriptorium ist eine weitere Alternative

• Es ist unklar, ob es sich um eine neue SOTA-OCR-Engine oder um ein Tool handelt, das andere bekannte Engines nutzt

  • Die Landingpage dürfte klarer sein

• Ich dachte, OCR sei mit Tesseract weitgehend gelöst, suche aber nach einer Bibliothek oder Implementierung für MRC-Kompression in Ergebnis-PDFs

  • Kommerzielle Produkte sind teuer, und das Trennen, Komprimieren und anschließende Zusammenführen von Bildebenen ist ein schwieriges Problem