jpocr — 日语OCR技能

基于日本国立国会图书馆NDLOCR-Lite的本地日语OCR。
在CPU（Apple Silicon / x86）上运行，无需GPU或API密钥。

能力

调用方式

从技能根目录运行 scripts/ocr-cli.sh：

bash
ROOT>/scripts/ocr-cli.sh path> # → 纯文本输出到stdout
ROOT>/scripts/ocr-cli.sh path> --json # → 带边界框的JSON
ROOT>/scripts/ocr-cli.sh path> --viz # → 同时保存可视化结果
ROOT>/scripts/ocr-cli.sh path> # → 批量处理目录中所有图片

输出格式

text（默认）：每个检测到的文本区域一行。

json：
json
{
contents: [[
{
boundingBox: [[x1,y1],[x1,y2],[x2,y1],[x2,y2]],
text: 识别出的文本,
confidence: 0.95,
isVertical: true
}
]],
imginfo: { imgwidth: 1920, imgheight: 1080 }
}

viz：将 viz_ 边界框叠加图像保存到输出目录。

性能

• - Apple Silicon（CPU）上每张图像约2-3秒
• 格式：JPG、PNG、TIFF、JP2、BMP
• 字符集：约7000个字符（JIS汉字+假名+ASCII+希腊字母）

技术栈

• - 版面检测：DEIMv2（ONNX）
• 文本识别：PARSeq级联（30/50/100字符模型，ONNX）
• 阅读顺序：xy-cut算法