tessdata下载 - tessdata源码下载

泰斯数据

其他源码

下载

概述

此存储库包含 Tesseract.js 可以使用的各种.traineddata集。这包括 Tesseract.js 默认使用的文件以及替代版本。下面解释了这些文件的内容以及如何将它们与 Tesseract.js 一起使用。

语言数据

每组文件的说明如下。还列出了源，尽管此处使用的版本可能不反映链接的存储库中文件的最新版本。

4.0.0_best_int - “Tessdata Best”的整合版
- OEM：仅限 LSTM
- Tesseract.js 默认使用：是。
  - 这是当 OEM 设置为仅 LSTM 时使用的默认数据，这是默认值。
- 发布到 NPM 包：是。
4.0.0 - “泰斯数据”
- OEM：LSTM + 传统
  - 除了旧数据的数据之外，还包括 LSTM 引擎的“Tessdata Best”的整数化版本。
- Tesseract.js 默认使用：是。
  - 这是当 OEM 设置为 Legacy 或具有 Legacy 回退功能的 LSTM 时使用的默认数据。
- 发布到 NPM 包：是。
- 来源：https://github.com/tesseract-ocr/tessdata
4.0.0-fast - “Tessdata 快速”
- OEM：仅限 LSTM
- Tesseract.js 默认使用：否。
- 发布到 NPM 包：否。
- 来源：https://github.com/tesseract-ocr/tessdata_fast
4.0.0_best - “Tessdata 最佳”
- OEM：仅限 LSTM
- Tesseract.js 默认使用：否。
  - 该数据可能比整数化版本大得多，并且可能导致运行时间更长。结果可能更准确，但差异通常可以忽略不计到微乎其微。
  - 在使用这些数据之前，开发人员应检查文件大小并运行准确性/性能测试以确认实施是否值得。
- 发布到 NPM 包：否。
- 来源：https://github.com/tesseract-ocr/tessdata_best
3.0.2 - 来自 Tesseract v3 的历史 Tessdata 文件
- OEM：仅限旧版
- Tesseract.js 默认使用：否。
  - 这些是旧文件，可能会在某个时候从此存储库中删除。
- 发布到 NPM 包：否。

NPM 包

每种语言的4.0.0和4.0.0_best_int文件都发布在特定于语言的 NPM 包中。每种语言都有自己的包，因为组合成一个包会导致巨大的下载。这些包名为@tesseract.js-data/{lang} 。例如，英文包名为@tesseract.js-data/eng 。

将语言数据与 Tesseract.js 结合使用

有关如何手动设置langPath的说明，请参阅 Tesseract.js 文档。有关此存储库中文件的位置的详细信息如下。

CDN

可以使用任何自动镜像 NPM 的 CDN 来访问这些文件。流行的例子如下。

JSDelivr（默认）

默认情况下，Tesseract.js 使用 JSDelivr CDN。 JSDelivr 上默认英文数据的链接如下。 https://cdn.jsdelivr.net/npm/@tesseract.js-data/[email protected]/4.0.0_best_int/eng.traineddata.gz

拆包

Unpkg 是另一个镜像 NPM 的 CDN。在大多数地区，unpkg 的可靠性似乎略低于 JSDelivr（尽管仍然可用）。然而，用户报告 unpkg 在 JSDelivr 被屏蔽的中国部分地区是可以访问的，因此请使用 unpkg。有关此问题的讨论以及从 JSDelivr 切换到unkpg的示例代码可以在此处找到。

unkpkg 上默认英文数据的链接如下。 https://unpkg.com/@tesseract.js-data/eng/4.0.0_best_int/eng.traineddata.gz