谁有比较不错的免费的OCR方案分享一下经验

Enocheasty

我想在我的PPT插件里面个OCR功能，方便有时扣图片上的文字。

• 首先PPT里面自带OCR的是会员的，虽然不贵吧，但是怎么说呢，我的目的不是为了花钱，如果要花钱，大把的方案。
• 我最先尝试的是windows自带的ocr，确实有个Windows.Media.Ocr的库，但是据说是为UWP项目使用的，后面又可以Winform使用了，在Nuget里面下了个Windows.SDK.Contract包，然后可以引用Windows.Media.Ocr的库了，编写代码一切正常，生成就找不到依赖，找不到这，找不到那。我觉得微软就是故意的，给很多东西的使用设置了坑，表面上大方开放，实际上要用太费劲了。各种程序的版本，程序集的引用，谁能知道才怪。谁搞成功了，科普一下引用步骤，要点也行。
• 第三方OCR，我目前用的是Paddle的OCR，这个玩意儿据说识别效果还是可以，但是不知道是不是现在发展壮大了，现在也不再是那种短小精干的类型，很臃肿了。搞了个能下的，我原本的2~3M以内的插件，直接干倒500~600M了，光几个OCR的模型就3~400M了。至于嘛！另外，识别速度也是不算快，这个可能跟它体积雍总了有关。我就感觉下好包后，VS 编辑器界面提示都变慢了。。。网上不是说有10来M的小模型吗？我不需要识别80种语言....谁有引用它的轻量级模型的步骤，方法，科普一下也行。
• 微信的OCR，网上也有介绍调用微信OCR的，我看了一下，一般都是说调用的WeChatOCR.exe这个应用程序。其实我自己之前就是将图片粘到聊天框，然后打开后用微信的OCR，但是这样跨软件搞，感觉挺累的。如果能集成到插件里就太好了。结果我今天看了一下，微信的安装文件夹下，已经没有WeChatOCR.exe，有的只是WeChatOCR.bin，是不是微信知道有人跳过微信程序这么用OCR，直接就给把这条路给堵了？？谁有以前的复制到本地，现在也可以使用的套件包，分享一下也行。
  

还有什么好的方案吗？就想识别个中文，就要个轻量模型，免费的。

Enocheasty

目前用的上面的第三个方案，第三方的OCR，两个不满意的地方，一个是包太大了。把我的2~3M的小插件搞成几百M的软件了。第二个是速度有点感人，看下面的图中就那么几个字，也要1，2s了吧，字稍微多点，可能4，5s都有，识别率就算了，其实90%以上我都能接受，那有OCR完了核都不核一下的。



期待更优方案。。。。

woxoo

https://www.52pojie.cn/thread-1998491-1-1.html

Enocheasty

woxoo 发表于 2025-3-10 22:37
https://www.52pojie.cn/thread-1998491-1-1.html

这个是个成品，没公布C#代码，或者接口，用不到我的插件里面了。不过好在带必要的文件。
网上能找到一个Python调用微信的开源程序，但是我python我不会啊，先转C#研究研究。
唉，这东西是逆向出来的，套了N个壳子。。。
希望能研究点眉目出来。

Enocheasty

woxoo 发表于 2025-3-10 22:37
https://www.52pojie.cn/thread-1998491-1-1.html

终于从GitHub上找了一个调用微信OCR的代码，直接60M的体量了！感谢

逍遥爱迪生

我的2mb,体积很小英雄

逍遥爱迪生

微信的安装文件夹下，已经没有WeChatOCR.exe，有的只是WeChatOCR.bin，,那你是怎么调用的

Enocheasty

逍遥爱迪生 发表于 2025-3-12 20:54
微信的安装文件夹下，已经没有WeChatOCR.exe，有的只是WeChatOCR.bin，,那你是怎么调用的

已经将之前版本的相关程序拷贝出来了，不是访问的微信文件夹，就是独立于微信之外了。

Enocheasty

折腾了一遍OCR，分享一下感受吧。
1. 在VSTO里面使用Windows.Media.Ocr，似乎此路不通，不说了。
2.使用第三方开源的OCR
（1）用了Paddle的OCR，有2个感觉，跟前面的一样，会让软件体量变得非常大，可能达到500M+，而且识别时间似乎有点长。但是不得不说，识别率是杠杠的，在那种花里胡哨的照片里面也能找到文字识别。但是不是特别适合Office插件，可以搞车牌识别。尤其是文字还有竖排，倾斜颠倒之类的。还是识别率很高的。但是作为一个小插件，没有那么高要求。还有就是安装比较麻烦，依赖多，但是使用还是比较方便。
（2）Paddle还有个轻量级的OCRSharp，但是也有上面的两个问题，不过就是大小减少到200M+等级了，问题跟上面的类似。
（3）tesseract 5.0，安装简单，模型也是比较友好，根据需求添加中文或者其他的语言，仅中文横向排版的模型40M+，编译完成最后80M+，体量也算不错了。但是使用起来有点怪怪的。还有就是中文识别率不高。同一个图片，多次识别可能出不同结果。中文模型数据都是7年前的，训练的不够好。
3.借用微信的“OCR”，把调用代码搞定了，目前来看还真是最好用的，已经跟微信本身没关系了。除了开始启动慢点，后面识别速度也快，体量60M，基本就是微信的几个文件。不过微信基本还是用在一些文稿扫描件类似的场景，照片、竖排文字的识别率不如Paddle，但前面也说了，我还真没那么复杂的应用场景。
感兴趣的可以去GitHub上看看
https://github.com/blueveryday/WeChatOCR
https://github.com/ZGGSONG/WeChatOcr
效果如下（图片糊是受限于GIF的文件大小，编码质量不高）：

shenjianrong163

Enocheasty 发表于 2025-3-13 17:41
折腾了一遍OCR，分享一下感受吧。
1. 在VSTO里面使用Windows.Media.Ocr，似乎此路不通，不说了。
2.使用 ...

这个网页打开不吗？