💖目前，我们自豪地推出了运行速度最为迅猛、兼容性最为广泛的多平台多语言OCR工具，它完全开源免费，并支持离线环境下的快速部署。其核心亮点在于采用ONNXRuntime作为推理引擎，相比传统的PaddlePaddle推理引擎，速度实现了4至5倍的提升，同时彻底解决了内存泄露问题，确保了高效稳定的运行。
🦜 支持语言概览： 默认支持中文与英文识别，对于其他语言的识别需求，我们提供了便捷的自助转换方案。具体转换指南，请参见这里。
🔎 项目缘起： 鉴于PaddleOCR在工程化方面仍有进一步优化的空间，为了简化并加速在各种终端设备上进行OCR推理的过程，我们创新地将PaddleOCR中的模型转换为了高度兼容的ONNX格式，并利用Python、C++、Java、C#等多种编程语言，实现了跨平台的无缝移植，让广大开发者能够轻松上手，高效应用。
🎓 名称寓意： RapidOCR，这一名称蕴含着我们对产品的深刻期待——轻快（操作简便，响应迅速）、好省（资源占用低，成本效益高）并智能（基于深度学习的强大技术，精准高效）。我们专注于发挥人工智能的优势，打造小巧而强大的模型，将速度视为不懈追求，同时确保识别效果的卓越。
😉 使用指南：
- 直接部署：若本仓库中已提供的模型能满足您的需求，那么您只需参考官方文档进行RapidOCR的部署与使用即可。
- 定制化微调：若现有模型无法满足您的特定需求，您可以在PaddleOCR的基础上，利用自己的数据进行微调，随后再将其应用于RapidOCR的部署中，实现个性化定制。
如果您发现本仓库对您的项目或学习有所助益，恳请您慷慨地给个小星星⭐，给予我们支持与鼓励！
效果展示 (more)
🎉 2024-09-06: RapidOCR获得2024中国互联网发展创新与投资大赛（开源）二等奖
pip install rapidocr_onnxruntimefrom rapidocr_onnxruntime import RapidOCR
engine = RapidOCR()
img_path = 'tests/test_files/ch_en_num.jpg'
result, elapse = engine(img_path)
print(result)
print(elapse)完整文档请移步：docs
Used by link
- 非常感谢DeliciaLaniD修复ocrweb中扫描动画起始位置错位问题。
- 非常感谢zhsunlight关于参数化调用GPU推理的建议以及细致周到的测试。
- 非常感谢lzh111222334修复python版本下rec前处理部分bug。
- 非常感谢AutumnSun1996在#42中的建议。
- 非常感谢DeadWood8提供了Nuitka打包rapidocr_web的操作文档和可执行exe。
- 非常感谢Loovelj指出对文本检测框排序时顺序问题，详情参见issue 75。
-
微信扫描以下二维码，关注RapidAI公众号，回复OCR即可加入RapidOCR微信交流群：
-
欢迎加入我们的QQ群下载模型及测试程序。1群：
887298230已满，2群：755960114已满，3群：450338158已满, 4群：419196348
Important
如果您想要赞助该项目，可直接点击当前页最上面的Sponsor按钮，请写好备注(您的Github账号名称)，方便添加到下面赞助列表中。
| 赞助者 | 应用的产品 |
|---|---|
 |
 |
 |
- |
如果您发现该项目对您的研究有用，请考虑引用：
@misc{RapidOCR 2021,
title={{Rapid OCR}: OCR Toolbox},
author={RapidAI Team},
howpublished = {\url{https://github.com/RapidAI/RapidOCR}},
year={2021}
}
OCR模型版权归百度所有，其他工程代码版权归本仓库所有者所有。
该项目采用 Apache 2.0 license 开源许可证。