Surya

什么是 Surya OCR

Surya OCR 是一款专注于多语言文本及复杂文档结构的识别，尤其以表格识别能力见长的通用光学字符识别（Optical Character Recognition, OCR）引擎。它被设计用于从各种文档中提取文本，并支持超过 90 种语言和多种文字脚本。Surya OCR 的目标是在保证高准确度的同时，提供高效的性能。与一些商业云服务相比，Surya 在基准测试中表现出色。它专注于文档 OCR，并提供了包括行级文本检测、布局分析、表格识别和 LaTeX OCR 等一系列强大的功能，使其成为处理复杂文档数字化需求的理想选择。

Surya OCR 的功能

Surya OCR 提供了一系列令人印象深刻的功能，使其在众多 OCR 引擎中脱颖而出：

• 广泛的语言支持： Surya OCR 支持超过 90 种语言的文本识别，覆盖了世界上大多数常用语言，用户可以根据需求选择特定的语言进行 OCR。
• 行级文本检测： 该引擎具备在任何语言中进行行级文本检测的能力，这对于准确识别文档中的每一行文本至关重要。
• 布局分析： Surya OCR 能够分析文档的布局，识别不同的元素，如表格、图像、标题等，这有助于在 OCR 后更好地理解文档的结构。
• 阅读顺序检测： 对于复杂的文档布局，Surya OCR 可以检测文本的阅读顺序，确保提取的文本按照正确的逻辑顺序排列。
• 表格识别： Surya OCR 能够识别文档中的表格结构，包括检测表格的行和列，这对于处理包含表格数据的文档非常有用。
• LaTeX OCR： Surya OCR 专门支持 LaTeX 数学公式的识别，这对于处理科学和技术文档至关重要。
• 支持多种文档格式： Surya OCR 可以处理包括 PDF、图像（如 PNG、JPG）以及 Word 文档和 PowerPoint 文件等多种输入格式。
• 高性能和低延迟： Surya OCR 被设计为具有一致的速度和低延迟，即使在处理大型文档时也能保持高效。
• 可配置性： 用户可以通过环境变量或配置文件调整 Surya OCR 的设置，例如指定使用的语言、设备（CPU 或 GPU）等。
• 开源： Surya OCR 是一个开源项目，用户可以免费使用、修改和分发，这为开发者提供了很大的灵活性和定制性。

如何使用/快速开始

要开始使用 Surya OCR，您可以按照以下步骤进行操作：

1. 安装 Surya OCR： 您需要 Python 3.9 或更高版本以及 PyTorch。如果您的机器没有 GPU 或者您想先使用 CPU 版本，可能需要先安装 PyTorch 的 CPU 版本。然后，可以通过 pip 安装 Surya OCR：

   pip install surya-ocr

   首次运行 Surya 时，模型权重将自动下载。请注意，Surya 目前可能与 Transformers 库的最新版本（4.37+）不完全兼容，建议使用 4.36.2 版本。

2. 配置环境变量（可选）： 您可以检查 surya/settings.py 文件中的设置，并通过设置相应的环境变量来覆盖默认配置。例如，要指定使用 CUDA 进行计算，可以设置环境变量 TORCH_DEVICE=cuda。
3. 运行 OCR： 使用 surya 命令来执行 OCR 任务。基本的使用方法如下：

   surya --langs [语言代码] [文件路径或目录] --output_dir [输出目录]

   • --langs：指定要使用的语言。可以使用语言名称或 ISO 代码，多个语言之间用逗号分隔。您可以在 surya/languages.py 文件中找到支持的语言列表。
   • [文件路径或目录]：指定要进行 OCR 的文件（可以是图像、PDF）或包含这些文件的目录。
   • --output_dir：指定保存结果的目录，默认为当前目录。
   • 其他可选参数包括 --images（保存包含检测到的文本行的页面图像）和 --page_range（指定要处理的 PDF 页面范围）。
4. 处理输出结果： OCR 的结果通常会保存在指定的输出目录中。输出格式可能是文本文件或包含文本信息的 JSON 文件，具体取决于您使用的功能和配置。
5. 使用其他功能： Surya OCR 还提供了用于布局分析、阅读顺序检测和表格识别的命令。您可以在 Surya OCR 的 GitHub 仓库中找到更详细的使用说明和示例。例如，执行布局分析的命令可能类似于：

   surya --layout [文件路径或目录] --output_dir [输出目录]

6. LaTeX OCR： 对于包含 LaTeX 公式的文档，可以使用专门的命令进行 OCR。

建议您查阅 Surya OCR 在 GitHub 上的官方文档，以获取更全面和详细的使用指南，包括各种功能的参数说明、高级用法以及故障排除等信息。通过实践和探索，您可以充分利用 Surya OCR 的强大功能来满足您的文档处理需求。