资源传送门资源传送门

OCR 识别文字这个大家不陌生吧。

别说工作上可能会用得到，就说生活里会碰到那种动不动就甩过来一张图，让你复制编辑一下的情况。

这不得抓耳挠腮，心里偷偷骂句 mmp。

之前有小伙伴问我哪个 OCR 工具好用，手机上完全可以用微信的提取文字凑合一下。

但我觉得更多的场景是电脑上用得上，所以我来分享一下我用了一年多的 OCR 识别工具，天若 OCR 5.0 开源版。

天若OCR

天若 OCR 是 2018 年的时候，吾爱破解上的大佬「天若幽心」利用大厂接口搞出来的工具，还开源了出来。

大体上就是利用开源的截图工具，配上大厂的接口，写了个图形界面，赋予了该有的逻辑搞定的。

某种意义上说，这是个超级缝合怪。

敲黑板，这里的缝合怪可不带任何贬义啊。

OCR 文本识别这种需要依靠大量的数据来提高准确率的技术，你让个人从 0 实现那不开玩笑嘛。

先不说什么重复不重复造轮子的事，没团队，没资源的凭一腔热血搞出来的 OCR 工具，真不会比大厂出品的工具强。

现在个人开发者搞出来的 OCR 工具，和之前说的那些翻译工具一样，都是接口怪。

说到接口，这种开源工具提供的公用接口虽然能用，但指不定什么时候会出岔子。

而商用的接口又需要钱，所以很多工具都从最开始的免费变成了会员制。

但个人而言，5 分钟申请一个免费的个人接口白嫖岂不更香，天若 OCR 就提供有填写个人接口的地方。

但后来天若 OCR 从 4.49 版开始不再开源，现有的免费版天若 OCR 已经拒绝填写自己的接口了。

而我用的那个天若 OCR 5.0 开源版，是另一位作者 AnyListen 对最后一版开源的天若 OCR 简单重构后造出的绝唱。

当然提供填写个人接口这个功能一直没变。

虽然现在作者停止了维护，但我用的这一年多，倒没出过什么差错，所以来分享给大家。

轻量且细节

为啥会选用天若 OCR 5.0 开源版，除了上面提到的接口问题，最重要的是它足够轻量。

无需安装，总共不到 5M 的小东西，打开以后会乖巧的待在后台。

当你在电脑上（全局），只要 F4 唤出截图框，框选住你待选的文字，松开即自动识别了。

所以无论是文本文字，还是图片文字，对于天若来说是没有区别的。

文本：

图片：

这是什么，这不就是妥妥的活好不粘人嘛。

至于识别速度，得看提供的截图质量和文字多少了，你看上面的两次识别，都没超 1s 的。

如果你觉得「F4」翻天若牌子不顺手或者和其他工具有冲突，完全可以在设置（右下角右键图标）里更改。

不过便捷、轻量只是我发现天若以后的第一感觉，但真正留住我的还是细节。

我随手实拍了个书上的内容，来看看天若的表现：

还有手写文字的识别，一点毛病都没有：

不过这并不能说是天若多厉害，而是大厂接口很给力。

天若 OCR 支持搜狗、腾讯、有道、百度四个接口，不过腾讯的接口失效了，百度的接口我用的是自己申请的。

说说实测感：

搜狗的 OCR 准确度更高，有道的 OCR 速度更快，百度则有点中规中矩的感觉，但用起来比较稳定和丝滑。

而天若的细节突出表现在它识别后的文本处理，比如可以合并句子，整体翻译：

当然也能反过来按行拆分段落，别的什么字体、加粗、更改字体颜色、查找替换这些小功能一个不差。

甚至还有朗读功能，但这个会有明显的延迟，我几乎没用过。

我重新下载了一遍天若 OCR，发现现在百度的接口好像也失效了，所以下面说说怎么申请自己的百度接口。

申请接口

同样打开设置，在「密钥」栏点开接口申请，输入自己的百度账号即可：

然后在「人工智能」找到「OCR 文字识别」里的「通用场景文字识别」。

当然你也可能碰到的是这个：

反正流程不变，选择「创建应用」。

然后「应用名称」和「应用描述」都随便填，记得「应用归属」选个人。

最后立即创建，从「应用列表」把 API Key 和 Secret Key 记录下来。

回到天若设置里把账号、密码给粘贴一下就好了。

建议大家都去弄个实名认证，这种白嫖更多使用次数的认证，多香啊！

这里再多提两嘴，如果你不满足于微信的提取文字，可以试试小程序「微软 AI 识图」，手写识别的效果也很喜人，不过一周只能白嫖 3 次。

偶尔一样的小伙伴可以安排上。

如果你想用离线本地版的 OCR 工具，我建议考虑一下汉王 OCR，不过都是特殊版本，我就不多说了。

大家自己搜一下就能找到。

前面不是说，识别的成功率和速度与图片质量有关嘛，图片扭来扭去的或者光线阴影啥的，有个个人开发的工具可以搞定这个问题。

图片漂白

相信大家都碰到过这种手机拍出来的图吧：

万恶的阴影会很大程度上影响到 OCR 工具的识别，有时候肉眼都看不清。

可千万别说用啥补光灯，或者上扫描仪之类的的操作。

咱倒是想，但总不能真的就这么怼上去吧。

不过话说回来，要是真怼上去想想还挺刺激的。

真哪天我这么怼同事或者领导了，我再给大家分享一篇《职场作死是怎样炼成》的文章。

所以面对这种图片该咋办？

当然是往设备上糊 84 物理漂白借助科技的力量，比如我常用的 PictureCleaner。

从它默认的界面你应该可以看出来了，三种漂白算法，支持实时预览，支持图片校正，还可以手动设置更多参数。

使用流程就是从左侧选择图片（找不到的话去「文件」里更改输入目录），然后自己调整一下角度或裁剪一下，最后执行，搞定。

前面那张图是这样的：

换了个有弧度的是这样的：

我还从网上找到这样一个申请表，漂白过后效果也很 nice：

没啥好介绍的了，看着界面挺复杂，其实用起来超简单。

说说它的不足吧，我用到现在有两点不足：

一个是图片弧度大的话，四角检测会导致应用卡死。

另一个则是漂白过后的图片还是有色差，前面那几张阴影过分的图你就能看出来了。

不过再配上 OCR 就 ok 多了。

你看，是不是很棒。

总结

说实话，我有段时间没了解过 OCR 工具了，因为对我而言 OCR 工具并非刚需。

要不是那个小伙伴问我用什么 OCR 工具，我也没想着把自己过去用过的这些工具给集结起来攒一篇文章。

所以我一直觉得搞公众号不仅是在和大家分享我的发现，更是一个共同成长的过程。

就像前面那个 DeepL，要不是小伙伴安利，我也不会收获一个新的宝藏。

在这次写天若的过程中，我还发现了不少「强大」的 OCR 工具，比如 GitHub 上的 PandaOCR。

说它强大，是因为它现在几乎支持市面上所有的 OCR 识别接口，足足有 20 多个。

那为啥这次没有安利给大家，绝对不是我想吃独食哈。

而是我自己刚入手用了两天，我想着等自己把它的优劣全都搞明白了再和大家分享。

反过来说，接口多也不一定意味着是十全十美的好事，最少从使用上来说麻烦了一个量级。

如果你和我一样需求有限，天若 OCR + 微软 AI 识图 + PictureCleaner 已经能很好的满足需求了。

好了，这一篇到这里就结束了，我们有缘下一篇再见咯。