Pix2Text

breezedeus/Pix2Text
- MIT
- 国内开发者维护
- 简体中文&英文使用的 CnOCR, 其他使用的 EasyOCR
- p2t 命令行 https://pix2text.readthedocs.io/zh-cn/stable/command/
- macOS 桌面工具 breezedeus/Pix2Text-Mac
本地缓存
- ~/.pix2text/1.1
  - layout-docyolo
  - table-rec
- ~/.cnstd - breezedeus/CnSTD - 基于 RapidOCR 集成 PPOCRv4
  - CN STD - 中文文本检测
- ~/.cnocr - breezedeus/CnOCR
  - CN OCR - 中文文本识别
参考
- breezedeus/pix2text-layout-docyolo
  - 基于 https://github.com/opendatalab/DocLayout-YOLO
- breezedeus/pix2text-table-rec
  - 表格识别
  - 基于 https://huggingface.co/microsoft/table-transformer-structure-recognition-v1.1-all
- breezedeus/pix2text-mfd
  - 数学公式检测
- breezedeus/pix2text-mfr
  - 数学公式识别
reshape
- 224
- 512
- 768
- 1024
- 1536
- 2048

# 目前最高只支持 Python 3.12
# CnSTD>=1.2.1, CnOCR>=2.2.2.1, transformers>=4.37.0
# pip install pix2text[multilingual] # 多语言 - 除了 简体中文和英文以外
pip install pix2text -i https://mirrors.aliyun.com/pypi/simple

# for GPU
pip uninstall onnxruntime
pip install onnxruntime-gpu

# --file-type [pdf|page|text_formula|formula|text]
# -i, --img-file-or-dir TEXT
p2t predict \
  -l en,ch_sim --disable-formula --enable-table \
  --resized-shape 768 \
  --file-type pdf \
  -i docs/examples/test-doc.pdf \
  -o output-md \
  --save-debug-res output-debug

# 启动 HTTP 服务
p2t serve -l en,ch_sim -H 0.0.0.0 -p 8503

curl -X POST \
  -F "file_type=page" \
  -F "resized_shape=768" \
  -F "embed_sep= $,$ " \
  -F "isolated_sep=$$\n, \n$$" \
  -F "image=@docs/examples/page2.png;type=image/jpeg" \
  http://0.0.0.0:8503/pix2text

CN OCR

# pip install cnocr[ort-gpu]
pip install cnocr[ort-cpu] -i https://mirrors.aliyun.com/pypi/simple