应用参考
文字识别参考:扫描 PDF 与图片 OCR
26.10.1001
Novaber · 内容核对
本页目录
用 OCR 完成图片转文字和扫描 PDF 识别,在本机批量提取文字与表格、对照原图校改。支持 PaddleOCR、GLM-OCR 与 OvisOCR2,导出 Word、Excel、Markdown、TXT 或可搜索 PDF,便于文档录入和资料归档。
功能与输入输出
-
图片与 PDF 批量识别
-
PaddleOCR、GLM-OCR 与 OvisOCR2 多模型支持
-
文字、版面与表格结构提取
-
原图对照校改与五种格式导出
工作流程
1. 文档输入
批量导入扫描件、截图或 PDF,选择处理页码
2. 智能识别
选择识别模型,提取文字与文档结构
3. 对照校改
对照原始页面校改文字和表格单元格
4. 结果输出
导出可编辑文字、文档、表格和可搜索 PDF
环境要求
- GPU: NVIDIA GPU 必需(CUDA 12.6)
- 显存: 显存需求随模型与页面复杂度变化
- 镜像与模型: 后端/worker 展开各约 18.1GB,模型另下载
怎样检查第一个结果
以下为基于已公布输入输出的检查建议。先用小样本,确认处理、预览和导出连贯可用;这里没有提供模型准确率或速度实测。
先选择少量页,核对模型、页码和原始页面是否对应,再检查文字、表格单元格和版面。导出后用相应软件重新打开,确认内容和格式符合任务需要。OCR 结果需要人工校改,不把支持某种导出格式等同于所有复杂版式都会完整还原。
版本、限制与许可
当前清单版本: 26.10.1001.
第三方名称及商标归各权利人所有;具体使用与分发条件以对应项目许可证为准,不表示第三方对 Novaber 的认可或背书。
按后续用途选择导出格式
| 后续用途 | 可选格式 | 核对重点 |
|---|---|---|
| 继续编辑正文 | Word / DOCX、TXT、Markdown | 文字、段落、阅读顺序与内容完整性 |
| 处理表格数据 | Excel / XLSX | 行列关系、单元格、数字与表头 |
| 保留扫描页并检索文字 | 可搜索 PDF | 原始页对应关系与文字检索结果 |
先确定需要文字、表格还是可检索归档,再选择格式。格式支持不代表复杂版式都能完整还原,也不代表导出时会自动纠正识别错误。
从原始页面到可用文档
1. 导入并确认页码范围
导入图片或 PDF 后,先核对来源、页码与顺序,选择本次需要处理的页。用少量包含正文、表格或复杂版面的代表页检查流程,再扩大批次;保留原始扫描页供对照。
2. 选择模型并检查准备状态
当前清单提供 PaddleOCR、GLM-OCR 与 OvisOCR2。按实际任务选择模型,确认服务和模型已就绪。显存需求随模型与页面复杂度变化,清单没有给出适用于所有页面的统一值,不能仅凭文件数量判断能否运行。
3. 对照原图校改文字与表格
逐页确认结果与原图对应。正文重点检查数字、专有名词、段落与阅读顺序;表格检查表头、行列和单元格内容。记录出错页和使用的模型,避免只根据“已完成”状态批量交付。
4. 导出后重新打开
用目标软件打开 Word、Excel、文本或 PDF,确认文件可读,页码和内容范围符合选择。可搜索 PDF 还应实际查找一段已知文字。识别质量与版式疑问见OCR 常见疑问。
准备环境
需要 NVIDIA GPU 的工作流应先满足驱动主版本 ≥ 575,并达到本项目 CUDA 12.9.1 的 Windows 驱动基线 ≥ 576.57。完整版本比较、未知结果和容器验证方法见驱动与 CUDA 基线;显卡型号、显存及模型要求仍按所选应用分别核对。