RapidOCR 是一款完全开源免费、支持离线快速部署的多平台多语言 OCR 工具，以极致的速度与广泛的兼容性为核心优势。
支持语言： 默认支持中英文识别。其他支持的语言，参见文档：模型列表
项目缘起： 鉴于 PaddleOCR 在工程化方面仍有优化空间，为简化并加速 OCR 模型在各类终端设备上的推理部署，我们创新性地将 PaddleOCR 中的模型转换为高度兼容的 ONNX 格式，并基于 Python, C++, Java, C# 等多种编程语言，实现了跨平台的无缝移植，让开发者能够轻松上手、高效集成。
名称寓意： RapidOCR 这一名称承载着我们对产品的核心期待——轻快（操作简便、响应迅速）、好省（资源占用低、成本效益高）且智能（依托深度学习技术，实现精准高效的识别）。我们专注于发挥人工智能的优势，打造小巧而强大的模型，始终将速度作为不懈追求，同时确保卓越的识别效果。
使用指南：
- 直接部署：若本仓库提供的模型已满足您的需求，只需参考 快速开始 即可快速完成 RapidOCR 的部署与使用。
- 定制化微调：若现有模型无法满足特定场景需求，您可在 PaddleOCR 基础上，利用自有数据进行微调，再将优化后的模型应用于 RapidOCR 的部署流程，实现个性化定制。
如果您觉得本项目对您的工作或学习有所帮助，恳请您不吝赐予一颗 ⭐ Star，给予我们宝贵的支持与鼓励！
pip install rapidocr onnxruntimefrom rapidocr import RapidOCR
engine = RapidOCR()
img_url = "https://www.modelscope.cn/models/RapidAI/RapidOCR/resolve/master/resources/test_files/ch_en_num.jpg"
result = engine(img_url)
print(result)
result.vis("vis_result.jpg")完整文档请移步：docs
👥 谁在使用？(更多)
- Docling
- CnOCR
- api-for-open-llm
- arknights-mower
- pensieve
- genshin_artifact_auxiliary
- ChatLLM
- langchain
- Langchain-Chatchat
- JamAIBase
- PAI-RAG
- ChatAgent_RAG
- OpenAdapt
- Umi-OCR
更多使用 RapidOCR 的项目，欢迎在 登记地址 登记，登记仅仅为了产品推广。
- 非常感谢 PaddleOCR 的一切。
- 非常感谢 PaddleOCR2Pytorch 提供转换后的 PyTorch 格式模型。
- 非常感谢 PaddleX 提供文档模型。
- 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。
本仓库为 RapidOCR 的 Python 部分，其他语言已迁移至独立仓库。
参与 Python 开发的完整流程请参阅：Python CONTRIBUTING。
请移步：link
RapidOCR 是一个基于 Apache2.0 许可的开源项目，其持续开发之所以能够实现，完全得益于这些出色支持者的助力。如果您也想加入他们的行列，不妨考虑 赞助 RapidOCR 的开发。
| Sponsors | Application | Introduction |
|---|---|---|
 |
Quicker | 您的指尖工作箱 |
@zg-young |
@Eunsolfs |
@youzzhang |
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。