ocr文字识别问题请教

jkllll

我的需求很简单，将pdf文件识别生成txt格式，以便听书


一直是用abbyy finread14，用了多年了，但错误率太高
（我现在想听的基本上多是简体中文的现代书）

问题有二：
1，不知道现在有没有更好的识别软件？
2，听说有在线扫描识别服务，不知有木有用？ 上哪去找？


预谢

西屋主人

花钱最好，但是错误率是避不开的

jkllll

西屋主人 发表于 2025-2-19 08:55
花钱最好，但是错误率是避不开的

去哪找，花钱安都不知上哪花

jkllll

去淘宝，闲鱼看看？

小可拉好

jkllll 发表于 2025-2-19 08:57
去哪找，花钱安都不知上哪花

微信读书有很多书啊，可以读
还有其他的电子书平台，多找找，什么epub、mobi、azw3格式
当然，也许，你要听的书没有文本。
那就只能自己做，
ocr的话，有钱的话，可以找那种收费的商业化ocr模型
也可以用abbyy，我用的是15，如果是纯中文文字的，我也觉得还可以。

jkllll

小可拉好 发表于 2025-2-19 10:04
微信读书有很多书啊，可以读
还有其他的电子书平台，多找找，什么epub、mobi、azw3格式
当然，也许，你要 ...

是的，现在文本版的很多，方便多了
很多都不用自己去识别了

刚好碰到一个没文本版的，所以问一下

小可拉好

jkllll 发表于 2025-2-19 10:32
是的，现在文本版的很多，方便多了
很多都不用自己去识别了

论坛求助一下，看看其他人是否可以找到文本。

golden21c

微信识别就不错啊

goldharp

用wps吧，横排简体的OCR几乎无敌的。

jkllll

goldharp 发表于 2025-2-19 15:06
用wps吧，横排简体的OCR几乎无敌的。

wps好像不满足我的要求


图象只能一页一页的提取文字

没办法把整本书转换

可以转成word 格式，但还是图象的

jkllll

wps识别准确率高，可惜只能一页页的操作

是不是我没操作好

jkllll

小可拉好 发表于 2025-2-19 10:43
论坛求助一下，看看其他人是否可以找到文本。

弄了一天都不灵，看来只好求助了

xuxiao

我上次也是看园地介绍，测试了doc2x，各种语言混排的，还不错，你可以试试。https://doc2x.noedgeai.com/pricing

jkllll

xuxiao 发表于 2025-2-20 10:47
我上次也是看园地介绍，测试了doc2x，各种语言混排的，还不错，你可以试试。https://doc2x.noedgeai.com/pr ...

谢谢，我现在找到一将就的办法，能满足基本需求，就不折腾了

wwr21

推荐提高识别率的方法，可以一试：

因好多PDF书都是扫描来的，扫描的质量不一，因此造成OCR时识别率降低。目前我采取的办法是：一把手里的PDF书尽量换成清晰版的，咨询来的一般页面大，分辨率低，体积大。如实在找不到更清晰的，只能用老马的CEP或者Real-ESRGAN技术变清晰后，再进行切边处理。如不喜欢无边书可裁时再加上。这样的书页本身从头至尾都比较规整，然后再OCR就可以提高识别率了。不妨试试看。

Czzbooks

目前国内的在线识别里面合合做的是不错的
https://b.intsig.com/ocr

shujiyuandi

WPS就可以识别简体中文PDF，质量很是可以。

jkllll

shujiyuandi 发表于 2025-2-20 22:06
WPS就可以识别简体中文PDF，质量很是可以。

wps识别准确率高，
可惜只能一页页的操作
图象只能一页一页的提取文字
没办法把整本书转换
不满足我的要求
主要是我的要求比较特别

shujiyuandi

jkllll 发表于 2025-2-21 00:28
wps识别准确率高，
可惜只能一页页的操作
图象只能一页一页的提取文字

白描之类的也可以，每次可以识别50页。

jkllll

shujiyuandi 发表于 2025-2-21 08:23
白描之类的也可以，每次可以识别50页。

听来不错，怎么操作呢？白描怎么选？好像又有扫描件这一选项