【免费下载链接】ndlocr-liteNDLOCR-Liteアプリケーションのリポジトリソースコードを含むNDLOCR‑Lite application repository (including source code)项目地址https://gitcode.com/gh_mirrors/nd/ndlocr-lite点击查看免费下载NDLOCR-Lite 是一款不需要 GPU 的轻量级 OCR 工具本文是一份完整的 Flet 打包教程带你把它构建为 Windows、macOS、Linux 三端可运行的桌面应用——从克隆仓库到执行flet build命令新手也能 3 步完成。✨ 先认识 NDLOCR-Lite无 GPU 也能跑的 OCR 引擎NDLOCR-Lite 由日本国立国会图书馆开发主打普通家用电脑即可高速执行的文档数字化能力。它的 OCR 流程由 3 个核心模块组合而成模块作用实现布局识别定位文本块、行、表格、图表等区域DEIMv2ViT-Tiny 骨干网络字符串识别把每个文本区域识别为文字PARSeq阅读顺序整序按正确顺序输出段落自研排序模块两个模型均已转换为 ONNX 格式随仓库放在 src/model/ 目录下开箱即用无需 GPU 加速。上图是旧版杂志扫描件红框为布局识别出的文本行OCR 会按阅读顺序输出文字支持 json、xml、TEI、txt、PDF 等多种格式。 打包前准备装好这 3 样东西所有操作系统Windows / macOS / Linux的构建流程完全一致只需先备好以下工具工具版本要求用途Python≥ 3.10运行与打包 GUI 应用Flutter SDK3.27.4Flet 应用构建的基础必装flet0.27.6以官方构建文档为准声明式 GUI 框架提供flet build打包命令依赖清单参考 ndlocr-lite-gui/requirements.txt其中包含了onnxruntime、opencv-python-headless、pypdfium2等 OCR 运行所需库。 第一步克隆源码仓库git clone https://gitcode.com/gh_mirrors/nd/ndlocr-lite cd ndlocr-lite仓库结构与打包相关的部分如下ndlocr-lite-gui/Flet 桌面应用入口打包命令在这里执行src/OCR 核心代码src/ocr.py与 ONNX 模型train/模型再训练与 ONNX 转换的开发文档️ 第二步执行打包命令Windows / Mac / Linux 通用三步核心思路创建虚拟环境 → 安装 flet → 把src复制进 GUI 目录 →flet build。Windows在 ndlocr-lite-gui 同层级目录执行python3 -m venv ocrenv .\ocrenv\Scripts\activate pip install flet0.27.6 xcopy ..\src .\src flet build windowsmacOS / Linux在 ndlocr-lite-gui 同层级目录执行python3 -m venv ocrenv source ./ocrenv/bin/activate pip install flet0.27.6 cp -r ../src . flet build macos # Linux 用户改为flet build linux构建完成后即可得到对应平台的安装包。启动后只需三步使用选择要 OCR 的图像文件、目录或 PDF指定输出目录点击「OCR」按钮等待完成并预览结果 应用截图与文字识别结果预览就发生在上方这个 Flet 界面中——这正是你打包出来的成品。 定制你的应用名称、公司与版本打包产物显示的应用信息在 ndlocr-lite-gui/pyproject.toml 的[tool.flet]段落中配置可按需修改[tool.flet] org jp.go.ndl # 反向域名用于生成应用包 ID product ndlocr-lite-gui # 窗口标题与应用名 company National_Diet_Library copyright Copyright (C) 2025 by National Diet Library其他可定制点版本号定义在 src/version.py发布流程会自动覆盖此文件默认输出格式ndlocr-lite-gui/gui_config.py 中默认开启 json / xml / TEI / txt可改为默认输出 PDF界面多语言ndlocr-lite-gui/uicomponent/ 下包含本地化标签与文本导出组件⚠️ 打包常见问题速查现象原因与解决应用打不开应用放置路径包含日语全角字符请移至纯英文路径Windows 提示Windows 已保护你的电脑点详细信息→运行即可macOS 无法启动需在系统设置中手动允许该应用运行首次启动很慢首次需约 1 分钟加载模型属正常现象OpenCVcv2启动失败Flet 默认会编译打包第三方库项目已在 pyproject.toml 中用[tool.flet.compile] packages false规避照仓库配置构建即可 进阶打造懂你领域的专属 OCR如果你希望 OCR 更擅长古籍、手写体或特定版式可以替换模型布局模型用 DEIMv2 训练文字模型用 PARSeq 训练三种尺寸30 / 50 / 100 字符行再导出 ONNX详细流程见 train/README.md示例代码在 train/deimv2code/ 与 train/parseqcode/命令行执行时通过--det-weights和--rec-weights参数指定你的 ONNX 文件上图是 v1.2 版本对手写横写的识别效果模型针对手写体专门强化过训练。✅ 小结步骤关键命令克隆源码git clone https://gitcode.com/gh_mirrors/nd/ndlocr-lite创建环境python3 -m venv ocrenvpip install flet0.27.6复制核心代码cp -r ../src .Windows 用xcopy跨平台打包flet build windows/flet build macos/flet build linux按照 ndlocr-lite-gui/README.md 的官方构建说明配合本文的问题速查表你就得到了一个属于自己的、可完全定制的 NDLOCR-Lite 桌面 OCR 应用。赞分享【免费下载链接】ndlocr-liteNDLOCR-Liteアプリケーションのリポジトリソースコードを含むNDLOCR‑Lite application repository (including source code)项目地址https://gitcode.com/gh_mirrors/nd/ndlocr-lite点击查看免费下载相关推荐如何基于randomColor构建自己的颜色工具库如何基于randomColor构建自己的颜色工具库 在当今数字化时代色彩设计已成为前端开发和UI/UX设计中不可或缺的重要环节。randomColor作为一款前端JS Tips开源生态如何基于技巧创建自己的npm包JS Tips开源生态如何基于技巧创建自己的npm包 在JavaScript开发中我们经常会遇到重复编写相同功能代码的情况。JS Tips项目 README教程如何基于Emoji-Cheat-Sheet.com构建自己的表情符号库如何基于Emoji Cheat Sheet.com构建自己的表情符号库 想要在GitHub、Basecamp、Slack等平台中快速找到合适的表情符号Emoj前端创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考