关于OCR
我把知道的东西说一下吧，也是我从14年到现在的一点点经验。
- 古籍方面。目前国内有一些要钱的库，比如说爱如生、鼎秀、雕龙、书同文、大成故纸堆等。这些OCR的模型是没放出来的，是人家吃饭的本。GITHUB上有可能有模型，但是效果懂得都懂。之前阿里和加州大学伯克利分校搞了一个，但是最后什么都没有放出来，离谱。浙大古籍平台可以去看看，但是错误也是有的，我最后来说。还有一个就是基于百度API的手写识别，这个效果也就是那样。
- 普通中、英文字符。目前遍地开花，最方便是QQ，其次是微软和百度。还有隔壁的ABBYY（需要请去我书库翻一下，第一个文件夹的软件文件夹里面找找）这些大同小异，不足为奇，而且免费。无聊的可以去玩paddleOCR，但是门槛有，不是抄代码的我能解决的。
- 现状。均通过各种算法想方设法识别字，却不会运用NLP去辅助认字，乱码就是这样出现的。还有就是不公开模型，弄得又要从头再来。报价各家还不低，有是有办法，反正我看不下去这些公司的吃相。
- 使用差异，QQ别扫手写，认不出来的。特殊符号也有办法，这个我没研究，可以转换为latex（但是错误摆在这。）千百OCR是好东西，API受限罢了，我是自有API，随意。微软认一些吧，手写没办法。ABBYY是拿来压PDF然后搜索的，这样舒服点，错误就错，90%对的就行。