纯浏览器端 OCR 工作台，支持本地图片识别、参数调整、历史记录等功能。无需服务器，所有推理均在浏览器中完成。
- 纯前端运行：基于 ONNX Runtime Web，所有推理在浏览器中完成，无需后端服务器
- 三档模型：支持 PP-OCRv6 Tiny（1.5MB）/ Small（7.7MB）/ Medium（34.5MB）三档模型，平衡速度与精度
- 灵活参数调整：支持调整检测阈值、膨胀系数、最小框尺寸等参数，适配不同场景
- 智能空格保留：自动识别文本排版，按视觉行分组并智能插入空格
- 多种输入方式：支持拖放、文件选择、剪贴板粘贴（Ctrl+V / ⌘+V）图片
- 历史记录：自动保存识别历史，支持查看、对比历史结果
- 结果导出：支持复制格式化文本（保留空格）或原始逐行文本
- 实时预览：识别结果在图片上可视化标注，鼠标悬停高亮对应文本框
- 现代浏览器（推荐 Chrome 90+ / Edge 90+）
- 本地 Web 服务器（用于加载模型文件）
-
克隆项目
git clone https://github.com/mindon/ocr-web cd ocr-web -
下载 PP-OCRv6 模型(若无)
从 PaddleOCR 官方仓库 下载 ONNX 格式模型，放置到
static/ppocrv6/目录：static/ └── ppocrv6/ ├── tiny/ │ ├── det/ │ └── rec/ ├── small/ │ ├── det/ │ └── rec/ └── medium/ ├── det/ └── rec/ -
启动开发服务器
biu --serve
-
打开浏览器
访问
http://localhost:3000
-
输入图片：
- 拖放图片到虚线框
- 点击虚线框选择文件
- 直接粘贴剪贴板图片（Ctrl+V / ⌘+V）
-
调整参数（可选）：
- 模型规格：Tiny（最快）/ Small（均衡）/ Medium（最准）
- 检测参数：调整二值化阈值、框置信度、膨胀系数等
-
开始识别：点击「开始识别」按钮
-
查看结果：
- 左侧图片区：鼠标悬停高亮文本框
- 右侧结果区：逐行显示识别文本和置信度
- 底部文本框：格式化文本（自动保留空格）
| 参数 | 默认值 | 说明 |
|---|---|---|
detLimitSideLen |
960 | 输入图像最大边长，超过会等比缩放 |
detThresh |
0.2 | 二值化阈值，越低召回越多但噪声增多 |
detBoxThresh |
0.4 | 文本框置信度阈值，低于该值的框会被过滤 |
detUnclipRatio |
1.4 | 检测框膨胀系数，越高框包含的文字范围越大 |
detMinSize |
3 | 最小文本框尺寸，宽或高小于该值的区域会被过滤 |
| 参数 | 默认值 | 说明 |
|---|---|---|
recScoreThresh |
0.5 | 识别结果置信度过滤阈值 |
| 场景 | 推荐配置 |
|---|---|
| 日常快速识别（截图、普通文档） | 模型=Tiny，其余默认 |
| 高精度识别（合同、发票、低分辨率扫描件） | 模型=Medium，detLimitSideLen=1280~1920，detThresh=0.15~0.18，detUnclipRatio=1.6 |
| 噪声较多图片（手机拍照、歪斜文档） | detThresh=0.15，detBoxThresh=0.3，detUnclipRatio=1.6~1.8 |
ocr-web/
├── src/ # 源代码
│ ├── app.ts # 应用入口
│ ├── index.html # HTML 入口
│ ├── ocr/ # OCR 核心模块
│ │ ├── types.ts # 类型定义
│ │ ├── engine.ts # OCR 引擎（协调检测+识别）
│ │ ├── det.ts # 文本检测（DBNet）
│ │ ├── rec.ts # 文本识别（CTC）
│ │ ├── format.ts # 文本格式化（空格保留）
│ │ ├── image.ts # 图像预处理
│ │ └── ort-loader.ts # ONNX Runtime 加载器
│ ├── components/ # Web Components
│ │ ├── ocr-workbench.ts # OCR 工作台主组件
│ │ └── result-view.ts # 识别结果展示组件
│ └── state/ # 状态管理
│ └── store.ts # 历史记录存储
├── static/ # 静态资源
│ ├── ppocrv6_onnx/ # PP-OCRv6 ONNX 模型
│ └── onnxruntime/ # ONNX Runtime Web 运行时
└── dist/ # 构建输出
- 前端框架：Lit 3（Web Components）
- OCR 引擎：PP-OCRv6（飞桨）
- 推理运行时：ONNX Runtime Web
- 构建工具：biu（Bun 构建工具）
- 语言：TypeScript
本项目参考了以下开源项目：
- PaddleOCR - PP-OCRv6 官方实现
本项目遵循 MIT 许可证。PP-OCRv6 模型权重遵循 Apache 2.0 许可证。
欢迎提交 Issue 和 Pull Request！