GitHubDaily(@GitHub_Daily):想在自己产品里加文字识别功能，装完 Tesseract 调半天参数，中英混排还是识别得七零八落。 docTR 是个 PyTorch 写的文字识别库，几行代码就能把 PDF 或者图片里的文字整页取出来。它分两步走，先定位每个词在页面上的位置，再识别里面的字符，两步各自的模型都能单独换。 GitHub：https://t.co/UowWKnb3d3 打开版面识别之后，标题、正文、表格、页眉页脚会被分别标出来，取完就知道哪段是哪段。扫描件常见的歪页、旋转页有专门的处理选项，输出正框还是斜框自己选。 Hugging Face 上挂了在线演示，也有 Colab 笔记本，不想装环境的话先在网页上丢张图试试效果。项目最早由 Mindee 做出来，现在交给 t2k 团队接手维护，前两天还在提交代码。要给自己的项目接一层文字识别，比从零训个模型省事不少。

2026.08.23 10:00

想在自己产品里加文字识别功能，装完 Tesseract 调半天参数，中英混排还是识别得七零八落。 docTR 是个 PyTorch 写的文字识别库，几行代码就能把 PDF 或者图片里的文字整页取出来。它分两步走，先定位每个词在页面上的位置，再识别里面的字符，两步各自的模型都能单独换。 GitHub：打开版面识别之后，标题、正文、表格、页眉页脚会被分别标出来，取完就知道哪段是哪段。扫描件常见的歪页、旋转页有专门的处理选项，输出正框还是斜框自己选。 Hugging Face 上挂了在线演示，也有 Colab 笔记本，不想装环境的话先在网页上丢张图试试效果。项目最早由 Mindee 做出来，现在交给 t2k 团队接手维护，前两天还在提交代码。要给自己的项目接一层文字识别，比从零训个模型省事不少。