tessdata

ملخص

يحتوي هذا الريبو على مجموعات مختلفة من .traineddata التي يمكن استخدامها بواسطة Tesseract.js. يتضمن ذلك الملفات التي يستخدمها Tesseract.js افتراضيًا، بالإضافة إلى الإصدارات البديلة. يتم شرح محتويات الملفات وكيفية استخدامها مع Tesseract.js أدناه.

بيانات اللغة

يوجد وصف لكل مجموعة من الملفات أدناه. تم إدراج المصدر أيضًا، على الرغم من أن الإصدار المستخدم هنا قد لا يعكس أحدث إصدار من الملفات الموجودة في الريبو المرتبط.

• 4.0.0_best_int - النسخة المتكاملة من "Tessdata Best"
  • تصنيع المعدات الأصلية: LSTM فقط
  • يستخدمه Tesseract.js بشكل افتراضي: نعم.
    • هذه هي البيانات الافتراضية المستخدمة عند تعيين OEM على LSTM فقط، وهي البيانات الافتراضية.
  • تم النشر في حزمة NPM: نعم.
• 4.0.0 - "تيسداتا"
  • تصنيع المعدات الأصلية: LSTM + ليجاسي
    • تم تضمين نسخة متكاملة من "Tessdata Best" لمحرك LSTM، بالإضافة إلى بيانات البيانات القديمة.
  • يستخدمه Tesseract.js بشكل افتراضي: نعم.
    • هذه هي البيانات الافتراضية المستخدمة عند تعيين OEM على Legacy أو LSTM مع خيار Legacy الاحتياطي.
  • تم النشر في حزمة NPM: نعم.
  • المصدر: https://github.com/tesseract-ocr/tessdata
• 4.0.0-fast - "Tessdata سريع"
  • تصنيع المعدات الأصلية: LSTM فقط
  • يستخدمه Tesseract.js بشكل افتراضي: لا.
  • تم النشر في حزمة NPM: لا.
  • المصدر: https://github.com/tesseract-ocr/tessdata_fast
• 4.0.0_best - "Tessdata الأفضل"
  • تصنيع المعدات الأصلية: LSTM فقط
  • يستخدمه Tesseract.js بشكل افتراضي: لا.
    • يمكن أن تكون هذه البيانات أكبر بكثير من الإصدار المدمج ويمكن أن تؤدي إلى فترات تشغيل أطول. قد تكون النتائج أكثر دقة، إلا أن الفرق عادة ما يتراوح بين ضئيل إلى هامشي.
    • قبل استخدام هذه البيانات، يجب على المطورين مراجعة أحجام الملفات وإجراء اختبارات الدقة/الأداء للتأكد من جدوى التنفيذ.
  • تم النشر في حزمة NPM: لا.
  • المصدر: https://github.com/tesseract-ocr/tessdata_best
• 3.0.2 - ملفات Tessdata التاريخية من Tesseract v3
  • OEM: تراث فقط
  • يستخدمه Tesseract.js بشكل افتراضي: لا.
    • هذه ملفات قديمة ويمكن إزالتها من هذا الريبو في وقت ما.
  • تم النشر في حزمة NPM: لا.

حزم NPM

يتم نشر الملفات 4.0.0 و4.0.0_ 4.0.0_best_int لكل لغة في حزمة NPM خاصة باللغة. كل لغة لها حزمتها الخاصة حيث أن دمجها في حزمة واحدة سيؤدي إلى تنزيل هائل. تتم تسمية الحزم @tesseract.js-data/{lang} . على سبيل المثال، الحزمة الإنجليزية تحمل اسم @tesseract.js-data/eng .

استخدام بيانات اللغة مع Tesseract.js

راجع وثائق Tesseract.js للحصول على تعليمات حول كيفية ضبط langPath يدويًا. التفاصيل المتعلقة بمكان العثور على الملفات الموجودة في هذا الريبو أدناه.

شبكات CDN

يمكن الوصول إلى هذه الملفات باستخدام أي CDN يعكس NPM تلقائيًا. الأمثلة الشعبية أدناه.

جسدليفر (افتراضي)

بشكل افتراضي، يستخدم Tesseract.js JSDelivr CDN. الرابط للبيانات الإنجليزية الافتراضية على JSDelivr موجود أدناه. https://cdn.jsdelivr.net/npm/@tesseract.js-data/[email protected]/4.0.0_best_int/eng.traineddata.gz

فك

Unpkg هو CDN آخر يعكس NPM. في معظم المناطق، يبدو أن unpkg أقل موثوقية قليلاً من JSDelivr (على الرغم من أنه لا يزال قابلاً للاستخدام). ومع ذلك، أبلغ المستخدمون أن unpkg يمكن الوصول إليه في أجزاء من الصين التي تم حظر JSDelivr فيها، لذا استخدم unpkg لهذا السبب. يمكن العثور هنا على مناقشة حول هذه المشكلة، بالإضافة إلى مثال للتعليمات البرمجية التي تتحول من JSDelivr إلى unkpg .

الرابط للبيانات الإنجليزية الافتراضية على unkpkg موجود أدناه. https://unpkg.com/@tesseract.js-data/eng/4.0.0_best_int/eng.traineddata.gz

نسخة محلية

يتمتع المستخدمون بحرية استخدام نسختهم المحلية من هذه الملفات بدلاً من الاعتماد على CDN بعيد. بالنسبة إلى Node.js، يمكنك ببساطة إضافة حزم NPM ذات الصلة باعتبارها تبعية، أو تنزيل الملف وتضمينه كمورد مشروع. بالنسبة لإصدار المتصفح، ما عليك سوى تنزيل الملفات ذات الصلة واستضافتها بنفسك على موقع الويب الخاص بك.

موقع صفحات GitHub (مهلك)

تم استهلاك موقع tessdata.projectnaptha.com ، ولم يعد يتم تحديثه. لا تشير إلى رمز جديد لهذا الموقع.

في الإصدارات القديمة من Tesseract.js، كان موقع langPath الافتراضي هو موقع صفحات GitHub البسيط الذي يستضيف هذا الريبو. ومع ذلك، بالإضافة إلى إبلاغ المستخدمين بأن صفحات GitHub كانت غير موثوقة، فقد تجاوز هذا الريبو الآن الحد الأقصى لحجم صفحات GitHub. ولذلك، لم يعد يتم تحديث هذا الموقع. يتم ترك الموقع كما هو لتجنب كسر التعليمات البرمجية القديمة، ولكن يتم تشجيع المطورين على التبديل.