[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-oh-my-ocr--text_renderer":3,"tool-oh-my-ocr--text_renderer":62},[4,18,26,35,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",109154,2,"2026-04-18T11:18:24",[14,15,13],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":32,"last_commit_at":41,"category_tags":42,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[43,13,15,14],"插件",{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":10,"last_commit_at":50,"category_tags":51,"status":17},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,"2026-04-06T11:19:32",[52,15,13,14],"语言模型",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":10,"last_commit_at":59,"category_tags":60,"status":17},4292,"Deep-Live-Cam","hacksider\u002FDeep-Live-Cam","Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具，用户仅需一张静态照片，即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点，让高质量的数字内容创作变得触手可及。\n\n这款工具不仅适合开发者和技术研究人员探索算法边界，更因其极简的操作逻辑（仅需三步：选脸、选摄像头、启动），广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换，还是制作趣味短视频和直播互动，Deep-Live-Cam 都能提供流畅的支持。\n\n其核心技术亮点在于强大的实时处理能力，支持口型遮罩（Mouth Mask）以保留使用者原始的嘴部动作，确保表情自然精准；同时具备“人脸映射”功能，可同时对画面中的多个主体应用不同面孔。此外，项目内置了严格的内容安全过滤机制，自动拦截涉及裸露、暴力等不当素材，并倡导用户在获得授权及明确标注的前提下合规使用，体现了技术发展与伦理责任的平衡。",88924,"2026-04-06T03:28:53",[14,15,13,61],"视频",{"id":63,"github_repo":64,"name":65,"description_en":66,"description_zh":67,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":76,"owner_location":76,"owner_email":77,"owner_twitter":76,"owner_website":76,"owner_url":78,"languages":79,"stars":84,"forks":85,"last_commit_at":86,"license":87,"difficulty_score":32,"env_os":88,"env_gpu":89,"env_ram":89,"env_deps":90,"category_tags":95,"github_topics":76,"view_count":32,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":96,"updated_at":97,"faqs":98,"releases":129},8448,"oh-my-ocr\u002Ftext_renderer","text_renderer","Generate text line images for training deep learning OCR models","text_renderer 是一款专为深度学习 OCR（光学字符识别）模型训练设计的开源工具，核心功能是批量生成带有真实标注的文本行图像数据集。在 AI 模型训练中，高质量且多样化的标注数据往往难以获取，手动制作成本极高，而 text_renderer 通过自动化渲染技术，利用字体文件、背景图和文本语料，快速合成包含各种干扰效果（如模糊、噪声、扭曲）的训练样本，有效解决了数据匮乏和场景单一的问题。\n\n这款工具特别适合 AI 开发者、算法研究人员以及需要定制 OCR 数据集的技术团队使用。它采用模块化设计，允许用户灵活组合文本来源、视觉效果和版面布局，甚至支持集成 Albumentations 库以实现更丰富的图像增强。其独特亮点在于支持竖排文字生成、多语料混合渲染，并能直接输出兼容 PaddleOCR 等主流框架的 LMDB 格式数据集，大幅降低了数据预处理门槛。无论是复现 CRNN 等经典模型，还是构建特定业务场景下的识别系统，text_renderer 都能帮助用户高效完成数据准备环节，让模型训练更加顺畅。","# Text Renderer\nGenerate text line images for training deep learning OCR model (e.g. [CRNN](https:\u002F\u002Fgithub.com\u002Fbgshih\u002Fcrnn)). ![example](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_2858cab8d635.gif)\n\n## Table of Contents\n- [Features](#features)\n- [Prerequisites](#prerequisites)\n- [Installation](#installation)\n- [Run Example](#run-example)\n- [Quick Start](#quick-start)\n- [Using Albumentations Effects](#using-albumentations-effects)\n- [All Effect\u002FLayout Examples](#all-effectlayout-examples)\n- [Contribution](#contribution)\n- [Font Viewer](#font-viewer)\n- [Build docs](#build-docs)\n- [Citing text_renderer](#citing-text_renderer)\n\n## Features\n\n- [x] Modular design. You can easily add different components: [Corpus](https:\u002F\u002Foh-my-ocr.github.io\u002Ftext_renderer\u002Fcorpus\u002Findex.html), [Effect](https:\u002F\u002Foh-my-ocr.github.io\u002Ftext_renderer\u002Feffect\u002Findex.html), [Layout](https:\u002F\u002Foh-my-ocr.github.io\u002Ftext_renderer\u002Flayout\u002Findex.html).\n- [x] Integrate with [Albumentations](https:\u002F\u002Fgithub.com\u002Falbumentations-team\u002Falbumentations) for image augmentation effects.\n- [x] Support render multiple corpora on image with different effects. [Layout](https:\u002F\u002Foh-my-ocr.github.io\u002Ftext_renderer\u002Flayout\u002Findex.html) is responsible for the layout between multiple corpora\n- [x] Support apply effects on different stages of rendering process [corpus_effects](https:\u002F\u002Foh-my-ocr.github.io\u002Ftext_renderer\u002Fconfig.html#text_renderer.config.RenderCfg), [layout_effects](https:\u002F\u002Foh-my-ocr.github.io\u002Ftext_renderer\u002Fconfig.html#text_renderer.config.RenderCfg), [render_effects](https:\u002F\u002Foh-my-ocr.github.io\u002Ftext_renderer\u002Fconfig.html#text_renderer.config.RenderCfg).\n- [x] Generate vertical text.\n- [x] Support generate `lmdb` dataset which compatible with [PaddleOCR](https:\u002F\u002Fgithub.com\u002FPaddlePaddle\u002FPaddleOCR), see [Dataset](https:\u002F\u002Foh-my-ocr.github.io\u002Ftext_renderer\u002Fdataset.html)\n- [x] A web font viewer.\n- [ ] Corpus sampler: helpful to perform character balance\n\n[Documentation](https:\u002F\u002Foh-my-ocr.github.io\u002Ftext_renderer\u002Findex.html)\n\n## Prerequisites\n\n- Python 3.10+\n- Operating System: Linux, macOS, or Windows\n\n## Installation\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Foh-my-ocr\u002Ftext_renderer\ncd text_renderer\nuv sync\n```\n\nOr with pip:\n\n```bash\npip install '.[tools]'   # includes font viewer and utility scripts\npip install '.[docs]'    # includes Sphinx for building documentation\n```\n\n## Run Example\n\nRun the following command to generate images using example data:\n\n```bash\nuv run python main.py \\\n    --config example_data\u002Fexample.py \\\n    --dataset img \\\n    --num_processes 2 \\\n    --log_period 10\n```\n\n> **Note for Windows users:** Use `^` instead of `\\` for line continuation, or write the command on a single line:\n> ```cmd\n> uv run python main.py --config example_data\u002Fexample.py --dataset img --num_processes 2 --log_period 10\n> ```\n\nThe data is generated in the `example_data\u002Foutput` directory. A `labels.json` file contains all annotations in the following format:\n```json\n{\n  \"labels\": {\n    \"000000000\": \"test\",\n    \"000000001\": \"text2\"\n  },\n  \"sizes\": {\n    \"000000000\": [\n      120,\n      32 \n    ],\n    \"000000001\": [\n      128,\n      32 \n    ]\n  },\n  \"num-samples\": 2\n}\n```\n\nYou can also use `--dataset lmdb` to store image in lmdb file, lmdb file contains follow keys:\n- num-samples\n- image-000000000\n- label-000000000\n- size-000000000\n\nYou can check config file [example_data\u002Fexample.py](https:\u002F\u002Fgithub.com\u002Foh-my-ocr\u002Ftext_renderer\u002Fblob\u002Fmaster\u002Fexample_data\u002Fexample.py) to learn how to use text_renderer,\nor follow the [Quick Start](https:\u002F\u002Fgithub.com\u002Foh-my-ocr\u002Ftext_renderer#quick-start) to learn how to setup configuration\n \n\n## Quick Start\n### Prepare file resources\n   \n- Font files: `.ttf`, `.otf`, `.ttc`\n- Background images of any size, either from your business scenario or from publicly available datasets ([COCO](https:\u002F\u002Fcocodataset.org\u002F#home), [VOC](http:\u002F\u002Fhost.robots.ox.ac.uk\u002Fpascal\u002FVOC\u002F))\n- Corpus: text_renderer offers a wide variety of [text sampling methods](https:\u002F\u002Foh-my-ocr.github.io\u002Ftext_renderer\u002Fcorpus\u002Findex.html), \nto use these methods, you need to consider the preparation of the corpus from two perspectives:\n1. The corpus must be in the target language for which you want to perform OCR recognition\n2. The corpus should meets your actual business needs, such as education field, medical field, etc.\n- Charset file [Optional but recommended]: OCR models in real-world scenarios (e.g. CRNN) usually support only a limited character set, \nso it's better to filter out characters outside the character set during data generation. \nYou can do this by setting the [chars_file](https:\u002F\u002Foh-my-ocr.github.io\u002Ftext_renderer\u002Fcorpus\u002Fchar_corpus.html) parameter\n\nYou can download pre-prepared file resources for this `Quick Start` from here: \n\n- [simsun.ttf](https:\u002F\u002Fgithub.com\u002Foh-my-ocr\u002Ftext_renderer\u002Fraw\u002Fmaster\u002Fexample_data\u002Ffont\u002Fsimsun.ttf)\n- [background.png](https:\u002F\u002Fgithub.com\u002Foh-my-ocr\u002Ftext_renderer\u002Fraw\u002Fmaster\u002Fexample_data\u002Fbg\u002Fbackground.png)\n- [eng_text.txt](https:\u002F\u002Fgithub.com\u002Foh-my-ocr\u002Ftext_renderer\u002Fraw\u002Fmaster\u002Fexample_data\u002Ftext\u002Feng_text.txt)\n\nSave these resource files in the same directory:\n```\nworkspace\n├── bg\n│ └── background.png\n├── corpus\n│ └── eng_text.txt\n└── font\n    └── simsun.ttf\n```\n\n### Create config file\nCreate a `config.py` file in `workspace` directory. One configuration file must have a `configs` variable, which is a list of [GeneratorCfg](https:\u002F\u002Foh-my-ocr.github.io\u002Ftext_renderer\u002Fconfig.html#text_renderer.config.GeneratorCfg). \n\nThe complete configuration file is as follows:\n```python\nimport os\nfrom pathlib import Path\n\nfrom text_renderer.effect import *\nfrom text_renderer.corpus import *\nfrom text_renderer.config import (\n    RenderCfg,\n    NormPerspectiveTransformCfg,\n    GeneratorCfg,\n    SimpleTextColorCfg,\n)\n\nCURRENT_DIR = Path(os.path.abspath(os.path.dirname(__file__)))\n\n\ndef story_data():\n    return GeneratorCfg(\n        num_image=10,\n        save_dir=CURRENT_DIR \u002F \"output\",\n        render_cfg=RenderCfg(\n            bg_dir=CURRENT_DIR \u002F \"bg\",\n            height=32,\n            perspective_transform=NormPerspectiveTransformCfg(20, 20, 1.5),\n            corpus=WordCorpus(\n                WordCorpusCfg(\n                    text_paths=[CURRENT_DIR \u002F \"corpus\" \u002F \"eng_text.txt\"],\n                    font_dir=CURRENT_DIR \u002F \"font\",\n                    font_size=(20, 30),\n                    num_word=(2, 3),\n                ),\n            ),\n            corpus_effects=Effects(Line(0.9, thickness=(2, 5))),\n            gray=False,\n            text_color_cfg=SimpleTextColorCfg(),\n        ),\n    )\n\n\nconfigs = [story_data()]\n```\n\nIn the above configuration we have done the following things:\n\n1. Specify the location of the resource file\n2. Specified text sampling method: 2 or 3 words are randomly selected from the corpus\n3. Configured some effects for generation\n   - Perspective transformation [NormPerspectiveTransformCfg](https:\u002F\u002Foh-my-ocr.github.io\u002Ftext_renderer\u002F_modules\u002Ftext_renderer\u002Fconfig.html#NormPerspectiveTransformCfg)\n   - Random [Line Effect](https:\u002F\u002Foh-my-ocr.github.io\u002Ftext_renderer\u002Feffect\u002Fline.html)\n   - Fix output image height to 32\n   - Generate color image. `gray=False`, `SimpleTextColorCfg()`\n4. Specifies font-related parameters: `font_size`, `font_dir`\n\n### Run \nRun `main.py`. It has 4 arguments:\n- config: Python config file path\n- dataset: Dataset format `img` or `lmdb`\n- num_processes: Number of processes used\n- log_period: Period of log printing. (0, 100)\n\n## Using Albumentations Effects\n\nText renderer integrates with [Albumentations](https:\u002F\u002Fgithub.com\u002Falbumentations-team\u002Falbumentations) for image augmentation. The following Albumentations effects are available:\n\n- `AlbumentationsEffect` - Generic wrapper for any Albumentations augmenter\n- `AlbumentationsEmboss` \u002F `Emboss` - Emboss effect\n- `AlbumentationsMotionBlur` \u002F `MotionBlur` - Motion blur effect\n- `GaussianBlur` - Gaussian blur\n- `Noise`, `UniformNoise`, `SaltPepperNoise`, `PoissonNoise` - Various noise effects\n- `BrightnessContrast` - Brightness and contrast adjustment\n- `Rotate` - Rotation\n- `ShiftScaleRotate` - Combined shift, scale, and rotate\n- `ElasticTransform` - Elastic transformation\n- `GridDistortion` - Grid distortion\n- `OpticalDistortion` - Optical distortion\n\n### Example Usage\n\n```python\nfrom text_renderer.effect import AlbumentationsEffect, AlbumentationsEmboss, Effects\nimport albumentations as A\n\n# Using built-in Albumentations effects\neffects = Effects([\n    AlbumentationsEmboss(alpha=(0.9, 1.0), strength=(1.5, 1.6)),\n])\n\n# Using custom Albumentations augmenter\ncustom_aug = A.Compose([\n    A.GaussianBlur(blur_limit=(0, 1), p=1.0),\n    A.RandomBrightnessContrast(brightness_limit=0.2, contrast_limit=0.2, p=1.0)\n])\neffects = Effects([\n    AlbumentationsEffect(transform=custom_aug),\n])\n```\n\n## All Effect\u002FLayout Examples\n\nFind all effect\u002Flayout config example at [link](https:\u002F\u002Fgithub.com\u002Foh-my-ocr\u002Ftext_renderer\u002Fblob\u002Fmaster\u002Fexample_data\u002Feffect_layout_example.py)\n\n- `bg_and_text_mask`: Three images of the same width are merged together horizontally, \n  it can be used to train GAN model like [EraseNet](https:\u002F\u002Fgithub.com\u002Flcy0604\u002FEraseNet)\n\n|    | Name                                 | Example                                                                                                                                                                      |\n|---:|:-------------------------------------|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------|\n|  0 | bg_and_text_mask                     | ![bg_and_text_mask.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_be09c9452b9d.jpg)                                         |\n|  1 | char_spacing_compact                 | ![char_spacing_compact.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_ce3b6ca2a7d1.jpg)                                 |\n|  2 | char_spacing_large                   | ![char_spacing_large.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_d690b44fb6b6.jpg)                                     |\n|  3 | color_image                          | ![color_image.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_8b0fc133a2c1.jpg)                                                   |\n|  4 | curve                                | ![curve.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_a04d55ff2aa7.jpg)                                                               |\n|  5 | dropout_horizontal                   | ![dropout_horizontal.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_5a1f4eac4b62.jpg)                                     |\n|  6 | dropout_rand                         | ![dropout_rand.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_0998f283cf99.jpg)                                                 |\n|  7 | dropout_vertical                     | ![dropout_vertical.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_f5a8dd7f71e0.jpg)                                         |\n|  8 | emboss                               | ![emboss.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_cbadf7f42fe5.jpg)                                                             |\n|  9 | extra_text_line_layout               | ![extra_text_line_layout.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_5cbda2700a67.jpg)                             |\n| 10 | line_bottom                          | ![line_bottom.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_1505f1782c66.jpg)                                                   |\n| 11 | line_bottom_left                     | ![line_bottom_left.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_f7034613f5e4.jpg)                                         |\n| 12 | line_bottom_right                    | ![line_bottom_right.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_bace183a4074.jpg)                                       |\n| 13 | line_horizontal_middle               | ![line_horizontal_middle.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_0ad1359d8542.jpg)                             |\n| 14 | line_left                            | ![line_left.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_8d826be4ee17.jpg)                                                       |\n| 15 | line_right                           | ![line_right.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_5160abfea535.jpg)                                                     |\n| 16 | line_top                             | ![line_top.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_e6828ddf7322.jpg)                                                         |\n| 17 | line_top_left                        | ![line_top_left.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_9b1adf884f32.jpg)                                               |\n| 18 | line_top_right                       | ![line_top_right.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_5fa6f0399b21.jpg)                                             |\n| 19 | line_vertical_middle                 | ![line_vertical_middle.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_6e06e678bc5b.jpg)                                 |\n| 20 | padding                              | ![padding.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_11bdd57e142e.jpg)                                                           |\n| 21 | perspective_transform                | ![perspective_transform.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_012171b85fd4.jpg)                               |\n| 22 | same_line_layout_different_font_size | ![same_line_layout_different_font_size.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_974febca8499.jpg) |\n| 23 | vertical_text                        | ![vertical_text.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_98c6bbd2bfb9.jpg)                                               |\n\n\n## Contribution\nSetup [Commitizen](http:\u002F\u002Fcommitizen.github.io\u002Fcz-cli\u002F) for commit message\n\n- Corpus: Feel free to contribute more corpus generators to the project, \n  It does not necessarily need to be a generic corpus generator, but can also be a business-specific generator, \n  such as generating ID numbers\n\n\n\n\n## Font Viewer\n\nInstall the tools extra, then start font viewer:\n\n```bash\nuv sync --extra tools\nuv run streamlit run tools\u002Ffont_viewer.py -- web \u002Fpath\u002Fto\u002Ffonts_dir\n```\n![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_04f2d9f17922.png)\n\n## Build docs\n\n```bash\nuv sync --extra docs\ncd docs\nuv run make html\nopen _build\u002Fhtml\u002Findex.html\n```\n\n\n## Citing text_renderer\nIf you use text_renderer in your research, please consider use the following BibTeX entry.\n\n```BibTeX\n@misc{text_renderer,\n  author =       {oh-my-ocr},\n  title =        {text_renderer},\n  howpublished = {\\url{https:\u002F\u002Fgithub.com\u002Foh-my-ocr\u002Ftext_renderer}},\n  year =         {2021}\n}\n```\n","# 文本渲染器\n生成用于训练深度学习 OCR 模型的文本行图像（例如 [CRNN](https:\u002F\u002Fgithub.com\u002Fbgshih\u002Fcrnn)）。![示例](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_2858cab8d635.gif)\n\n## 目录\n- [特性](#features)\n- [先决条件](#prerequisites)\n- [安装](#installation)\n- [运行示例](#run-example)\n- [快速入门](#quick-start)\n- [使用 Albumentations 效果](#using-albumentations-effects)\n- [所有效果\u002F布局示例](#all-effectlayout-examples)\n- [贡献](#contribution)\n- [字体查看器](#font-viewer)\n- [构建文档](#build-docs)\n- [引用 text_renderer](#citing-text_renderer)\n\n## 特性\n\n- [x] 模块化设计。您可以轻松添加不同的组件：[语料库](https:\u002F\u002Foh-my-ocr.github.io\u002Ftext_renderer\u002Fcorpus\u002Findex.html)、[效果](https:\u002F\u002Foh-my-ocr.github.io\u002Ftext_renderer\u002Feffect\u002Findex.html)、[布局](https:\u002F\u002Foh-my-ocr.github.io\u002Ftext_renderer\u002Flayout\u002Findex.html)。\n- [x] 与 [Albumentations](https:\u002F\u002Fgithub.com\u002Falbumentations-team\u002Falbumentations) 集成，以实现图像增强效果。\n- [x] 支持在图像上使用不同效果渲染多个语料库。[布局](https:\u002F\u002Foh-my-ocr.github.io\u002Ftext_renderer\u002Flayout\u002Findex.html) 负责多个语料库之间的排版。\n- [x] 支持在渲染过程的不同阶段应用效果：[语料库效果](https:\u002F\u002Foh-my-ocr.github.io\u002Ftext_renderer\u002Fconfig.html#text_renderer.config.RenderCfg)、[布局效果](https:\u002F\u002Foh-my-ocr.github.io\u002Ftext_renderer\u002Fconfig.html#text_renderer.config.RenderCfg)、[渲染效果](https:\u002F\u002Foh-my-ocr.github.io\u002Ftext_renderer\u002Fconfig.html#text_renderer.config.RenderCfg)。\n- [x] 生成竖排文本。\n- [x] 支持生成与 [PaddleOCR](https:\u002F\u002Fgithub.com\u002FPaddlePaddle\u002FPaddleOCR) 兼容的 `lmdb` 数据集，详情请参阅 [数据集](https:\u002F\u002Foh-my-ocr.github.io\u002Ftext_renderer\u002Fdataset.html)。\n- [x] 提供一个网页字体查看器。\n- [ ] 语料库采样器：有助于实现字符平衡。\n\n[文档](https:\u002F\u002Foh-my-ocr.github.io\u002Ftext_renderer\u002Findex.html)\n\n## 先决条件\n\n- Python 3.10+\n- 操作系统：Linux、macOS 或 Windows\n\n## 安装\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Foh-my-ocr\u002Ftext_renderer\ncd text_renderer\nuv sync\n```\n\n或者使用 pip：\n\n```bash\npip install '.[tools]'   # 包含字体查看器和实用脚本\npip install '.[docs]'    # 包括 Sphinx 用于构建文档\n```\n\n## 运行示例\n\n运行以下命令以使用示例数据生成图像：\n\n```bash\nuv run python main.py \\\n    --config example_data\u002Fexample.py \\\n    --dataset img \\\n    --num_processes 2 \\\n    --log_period 10\n```\n\n> **Windows 用户注意：** 请使用 `^` 代替 `\\` 来换行，或将命令写成一行：\n> ```cmd\n> uv run python main.py --config example_data\u002Fexample.py --dataset img --num_processes 2 --log_period 10\n> ```\n\n数据将生成在 `example_data\u002Foutput` 目录中。一个 `labels.json` 文件包含所有标注，格式如下：\n```json\n{\n  \"labels\": {\n    \"000000000\": \"test\",\n    \"000000001\": \"text2\"\n  },\n  \"sizes\": {\n    \"000000000\": [\n      120,\n      32 \n    ],\n    \"000000001\": [\n      128,\n      32 \n    ]\n  },\n  \"num-samples\": 2\n}\n```\n\n您也可以使用 `--dataset lmdb` 将图像存储在 lmdb 文件中，lmdb 文件包含以下键：\n- num-samples\n- image-000000000\n- label-000000000\n- size-000000000\n\n您可以查看配置文件 [example_data\u002Fexample.py](https:\u002F\u002Fgithub.com\u002Foh-my-ocr\u002Ftext_renderer\u002Fblob\u002Fmaster\u002Fexample_data\u002Fexample.py)，了解如何使用 text_renderer，\n或按照 [快速入门](https:\u002F\u002Fgithub.com\u002Foh-my-ocr\u002Ftext_renderer#quick-start) 学习如何设置配置。\n\n\n## 快速入门\n### 准备文件资源\n\n- 字体文件：`.ttf`、`.otf`、`.ttc`\n- 任意尺寸的背景图像，可以来自您的业务场景，也可以来自公开可用的数据集（如 [COCO](https:\u002F\u002Fcocodataset.org\u002F#home)、[VOC](http:\u002F\u002Fhost.robots.ox.ac.uk\u002Fpascal\u002FVOC\u002F)）。\n- 语料库：text_renderer 提供了多种 [文本采样方法](https:\u002F\u002Foh-my-ocr.github.io\u002Ftext_renderer\u002Fcorpus\u002Findex.html)，要使用这些方法，您需要从两个方面考虑语料库的准备：\n1. 语料库必须是您希望进行 OCR 识别的目标语言。\n2. 语料库应符合您的实际业务需求，例如教育领域、医疗领域等。\n- 字符集文件【可选但建议】：现实场景中的 OCR 模型（如 CRNN）通常只支持有限的字符集，\n因此在数据生成过程中最好过滤掉字符集之外的字符。您可以通过设置 [chars_file](https:\u002F\u002Foh-my-ocr.github.io\u002Ftext_renderer\u002Fcorpus\u002Fchar_corpus.html) 参数来实现这一点。\n\n您可以从这里下载为本次“快速入门”预先准备好的文件资源：\n\n- [simsun.ttf](https:\u002F\u002Fgithub.com\u002Foh-my-ocr\u002Ftext_renderer\u002Fraw\u002Fmaster\u002Fexample_data\u002Ffont\u002Fsimsun.ttf)\n- [background.png](https:\u002F\u002Fgithub.com\u002Foh-my-ocr\u002Ftext_renderer\u002Fraw\u002Fmaster\u002Fexample_data\u002Fbg\u002Fbackground.png)\n- [eng_text.txt](https:\u002F\u002Fgithub.com\u002Foh-my-ocr\u002Ftext_renderer\u002Fraw\u002Fmaster\u002Fexample_data\u002Ftext\u002Feng_text.txt)\n\n请将这些资源文件保存在同一目录下：\n```\nworkspace\n├── bg\n│ └── background.png\n├── corpus\n│ └── eng_text.txt\n└── font\n    └── simsun.ttf\n```\n\n### 创建配置文件\n在 `workspace` 目录下创建一个名为 `config.py` 的文件。每个配置文件必须包含一个 `configs` 变量，该变量是一个由 [GeneratorCfg](https:\u002F\u002Foh-my-ocr.github.io\u002Ftext_renderer\u002Fconfig.html#text_renderer.config.GeneratorCfg) 组成的列表。\n\n完整的配置文件如下：\n```python\nimport os\nfrom pathlib import Path\n\nfrom text_renderer.effect import *\nfrom text_renderer.corpus import *\nfrom text_renderer.config import (\n    RenderCfg,\n    NormPerspectiveTransformCfg,\n    GeneratorCfg,\n    SimpleTextColorCfg,\n)\n\nCURRENT_DIR = Path(os.path.abspath(os.path.dirname(__file__)))\n\n\ndef story_data():\n    return GeneratorCfg(\n        num_image=10,\n        save_dir=CURRENT_DIR \u002F \"output\",\n        render_cfg=RenderCfg(\n            bg_dir=CURRENT_DIR \u002F \"bg\",\n            height=32,\n            perspective_transform=NormPerspectiveTransformCfg(20, 20, 1.5),\n            corpus=WordCorpus(\n                WordCorpusCfg(\n                    text_paths=[CURRENT_DIR \u002F \"corpus\" \u002F \"eng_text.txt\"],\n                    font_dir=CURRENT_DIR \u002F \"font\",\n                    font_size=(20, 30),\n                    num_word=(2, 3),\n                ),\n            ),\n            corpus_effects=Effects(Line(0.9, thickness=(2, 5))),\n            gray=False,\n            text_color_cfg=SimpleTextColorCfg(),\n        ),\n    )\n\n\nconfigs = [story_data()]\n```\n\n在上述配置中，我们完成了以下工作：\n\n1. 指定了资源文件的位置。\n2. 指定了文本采样方法：从语料库中随机选择 2 或 3 个单词。\n3. 配置了一些用于生成的效果：\n   - 透视变换 [NormPerspectiveTransformCfg](https:\u002F\u002Foh-my-ocr.github.io\u002Ftext_renderer\u002F_modules\u002Ftext_renderer\u002Fconfig.html#NormPerspectiveTransformCfg)\n   - 随机 [Line 效果](https:\u002F\u002Foh-my-ocr.github.io\u002Ftext_renderer\u002Feffect\u002Fline.html)\n   - 将输出图像高度固定为 32 像素。\n   - 生成彩色图像。`gray=False`, `SimpleTextColorCfg()`。\n4. 指定了字体相关参数：`font_size`、`font_dir`。\n\n### 运行\n运行 `main.py`。它有 4 个参数：\n- config: Python 配置文件路径。\n- dataset: 数据集格式，可选 `img` 或 `lmdb`。\n- num_processes: 使用的进程数。\n- log_period: 日志打印周期。（0, 100）\n\n## 使用 Albumentations 效果\n\nText Renderer 集成了 [Albumentations](https:\u002F\u002Fgithub.com\u002Falbumentations-team\u002Falbumentations) 用于图像增强。以下是可用的 Albumentations 效果：\n\n- `AlbumentationsEffect` - 用于封装任何 Albumentations 增强器的通用包装器。\n- `AlbumentationsEmboss` \u002F `Emboss` - 浮雕效果。\n- `AlbumentationsMotionBlur` \u002F `MotionBlur` - 动感模糊效果。\n- `GaussianBlur` - 高斯模糊。\n- `Noise`、`UniformNoise`、`SaltPepperNoise`、`PoissonNoise` - 各种噪声效果。\n- `BrightnessContrast` - 亮度和对比度调整。\n- `Rotate` - 旋转。\n- `ShiftScaleRotate` - 平移、缩放和旋转的组合。\n- `ElasticTransform` - 弹性变换。\n- `GridDistortion` - 网格扭曲。\n- `OpticalDistortion` - 光学畸变。\n\n### 使用示例\n\n```python\nfrom text_renderer.effect import AlbumentationsEffect, AlbumentationsEmboss, Effects\nimport albumentations as A\n\n# 使用内置的 Albumentations 效果\neffects = Effects([\n    AlbumentationsEmboss(alpha=(0.9, 1.0), strength=(1.5, 1.6)),\n])\n\n# 使用自定义的 Albumentations 增强器\ncustom_aug = A.Compose([\n    A.GaussianBlur(blur_limit=(0, 1), p=1.0),\n    A.RandomBrightnessContrast(brightness_limit=0.2, contrast_limit=0.2, p=1.0)\n])\neffects = Effects([\n    AlbumentationsEffect(transform=custom_aug),\n])\n```\n\n## 所有效果\u002F布局示例\n\n所有效果\u002F布局配置示例可在[链接](https:\u002F\u002Fgithub.com\u002Foh-my-ocr\u002Ftext_renderer\u002Fblob\u002Fmaster\u002Fexample_data\u002Feffect_layout_example.py)中找到。\n\n- `bg_and_text_mask`: 将三张宽度相同的图像水平拼接在一起，可用于训练如[EraseNet](https:\u002F\u002Fgithub.com\u002Flcy0604\u002FEraseNet)这样的GAN模型。\n\n|    | 名称                                 | 示例                                                                                                                                                                      |\n|---:|:-------------------------------------|:-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------|\n|  0 | bg_and_text_mask                     | ![bg_and_text_mask.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_be09c9452b9d.jpg)                                         |\n|  1 | char_spacing_compact                 | ![char_spacing_compact.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_ce3b6ca2a7d1.jpg)                                 |\n|  2 | char_spacing_large                   | ![char_spacing_large.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_d690b44fb6b6.jpg)                                     |\n|  3 | color_image                          | ![color_image.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_8b0fc133a2c1.jpg)                                                   |\n|  4 | curve                                | ![curve.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_a04d55ff2aa7.jpg)                                                               |\n|  5 | dropout_horizontal                   | ![dropout_horizontal.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_5a1f4eac4b62.jpg)                                     |\n|  6 | dropout_rand                         | ![dropout_rand.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_0998f283cf99.jpg)                                                 |\n|  7 | dropout_vertical                     | ![dropout_vertical.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_f5a8dd7f71e0.jpg)                                         |\n|  8 | emboss                               | ![emboss.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_cbadf7f42fe5.jpg)                                                             |\n|  9 | extra_text_line_layout               | ![extra_text_line_layout.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_5cbda2700a67.jpg)                             |\n| 10 | line_bottom                          | ![line_bottom.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_1505f1782c66.jpg)                                                   |\n| 11 | line_bottom_left                     | ![line_bottom_left.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_f7034613f5e4.jpg)                                         |\n| 12 | line_bottom_right                    | ![line_bottom_right.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_bace183a4074.jpg)                                       |\n| 13 | line_horizontal_middle               | ![line_horizontal_middle.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_0ad1359d8542.jpg)                             |\n| 14 | line_left                            | ![line_left.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_8d826be4ee17.jpg)                                                       |\n| 15 | line_right                           | ![line_right.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_5160abfea535.jpg)                                                     |\n| 16 | line_top                             | ![line_top.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_e6828ddf7322.jpg)                                                         |\n| 17 | line_top_left                        | ![line_top_left.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_9b1adf884f32.jpg)                                               |\n| 18 | line_top_right                       | ![line_top_right.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_5fa6f0399b21.jpg)                                             |\n| 19 | line_vertical_middle                 | ![line_vertical_middle.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_6e06e678bc5b.jpg)                                 |\n| 20 | padding                              | ![padding.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_11bdd57e142e.jpg)                                                           |\n| 21 | perspective_transform                | ![perspective_transform.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_012171b85fd4.jpg)                               |\n| 22 | same_line_layout_different_font_size | ![same_line_layout_different_font_size.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_974febca8499.jpg) |\n| 23 | vertical_text                        | ![vertical_text.jpg](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_98c6bbd2bfb9.jpg)                                               |\n\n\n## 贡献\n设置[Commitizen](http:\u002F\u002Fcommitizen.github.io\u002Fcz-cli\u002F)以规范提交信息。\n\n- 语料库：欢迎为项目贡献更多语料库生成器。这些生成器不一定需要是通用的，也可以是特定业务场景下的生成器，例如生成身份证号码等。\n\n\n\n\n## 字体查看器\n\n安装工具扩展包后，启动字体查看器：\n\n```bash\nuv sync --extra tools\nuv run streamlit run tools\u002Ffont_viewer.py -- web \u002Fpath\u002Fto\u002Ffonts_dir\n```\n![图片](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_readme_04f2d9f17922.png)\n\n## 构建文档\n\n```bash\nuv sync --extra docs\ncd docs\nuv run make html\nopen _build\u002Fhtml\u002Findex.html\n```\n\n## 引用 text_renderer\n如果您在研究中使用了 text_renderer，请考虑使用以下 BibTeX 条目。\n\n```BibTeX\n@misc{text_renderer,\n  author =       {oh-my-ocr},\n  title =        {text_renderer},\n  howpublished = {\\url{https:\u002F\u002Fgithub.com\u002Foh-my-ocr\u002Ftext_renderer}},\n  year =         {2021}\n}\n```","# Text Renderer 快速上手指南\n\nText Renderer 是一个用于生成文本行图像的开源工具，专为训练深度学习 OCR 模型（如 CRNN、PaddleOCR）设计。它支持模块化配置、多种数据增强效果以及垂直文本生成。\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **操作系统**：Linux, macOS 或 Windows\n*   **Python 版本**：3.10 及以上\n*   **依赖管理**：推荐使用 `uv`（更快），也可使用 `pip`\n\n## 安装步骤\n\n### 方法一：使用 uv（推荐）\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Foh-my-ocr\u002Ftext_renderer\ncd text_renderer\nuv sync\n```\n\n### 方法二：使用 pip\n\n如果您希望包含字体查看器和文档构建工具，可以使用以下命令：\n\n```bash\npip install '.[tools]'   # 包含字体查看器和实用脚本\npip install '.[docs]'    # 包含用于构建文档的 Sphinx\n```\n\n> **提示**：国内用户若下载依赖较慢，可配置国内镜像源（如清华源、阿里源）进行安装，例如：`pip install -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple '.[tools]'`。\n\n## 基本使用\n\n以下是生成 OCR 训练数据的最简流程，包含资源准备、配置文件编写和运行生成。\n\n### 1. 准备资源文件\n\n创建一个工作目录（例如 `workspace`），并在其中建立以下结构，放入字体、背景图和语料文件：\n\n```text\nworkspace\n├── bg\n│   └── background.png      # 背景图片\n├── corpus\n│   └── eng_text.txt        # 文本语料\n└── font\n    └── simsun.ttf          # 字体文件 (.ttf\u002F.otf\u002F.ttc)\n```\n\n您可以从项目示例数据中下载测试用的资源文件：\n*   [simsun.ttf](https:\u002F\u002Fgithub.com\u002Foh-my-ocr\u002Ftext_renderer\u002Fraw\u002Fmaster\u002Fexample_data\u002Ffont\u002Fsimsun.ttf)\n*   [background.png](https:\u002F\u002Fgithub.com\u002Foh-my-ocr\u002Ftext_renderer\u002Fraw\u002Fmaster\u002Fexample_data\u002Fbg\u002Fbackground.png)\n*   [eng_text.txt](https:\u002F\u002Fgithub.com\u002Foh-my-ocr\u002Ftext_renderer\u002Fraw\u002Fmaster\u002Fexample_data\u002Ftext\u002Feng_text.txt)\n\n### 2. 创建配置文件\n\n在 `workspace` 目录下创建 `config.py` 文件。该文件需定义 `configs` 列表，包含生成任务的配置。\n\n```python\nimport os\nfrom pathlib import Path\n\nfrom text_renderer.effect import *\nfrom text_renderer.corpus import *\nfrom text_renderer.config import (\n    RenderCfg,\n    NormPerspectiveTransformCfg,\n    GeneratorCfg,\n    SimpleTextColorCfg,\n)\n\nCURRENT_DIR = Path(os.path.abspath(os.path.dirname(__file__)))\n\n\ndef story_data():\n    return GeneratorCfg(\n        num_image=10,  # 生成图片数量\n        save_dir=CURRENT_DIR \u002F \"output\",\n        render_cfg=RenderCfg(\n            bg_dir=CURRENT_DIR \u002F \"bg\",\n            height=32,  # 输出图像高度固定为 32\n            perspective_transform=NormPerspectiveTransformCfg(20, 20, 1.5), # 透视变换\n            corpus=WordCorpus(\n                WordCorpusCfg(\n                    text_paths=[CURRENT_DIR \u002F \"corpus\" \u002F \"eng_text.txt\"],\n                    font_dir=CURRENT_DIR \u002F \"font\",\n                    font_size=(20, 30), # 字体大小随机范围\n                    num_word=(2, 3),    # 每张图随机选取 2-3 个单词\n                ),\n            ),\n            corpus_effects=Effects(Line(0.9, thickness=(2, 5))), # 添加线条干扰\n            gray=False, # 生成彩色图像\n            text_color_cfg=SimpleTextColorCfg(),\n        ),\n    )\n\n\nconfigs = [story_data()]\n```\n\n### 3. 运行生成\n\n进入 `text_renderer` 根目录（即 `main.py` 所在目录），执行以下命令启动生成任务：\n\n**Linux \u002F macOS:**\n\n```bash\nuv run python main.py \\\n    --config \u002Fpath\u002Fto\u002Fworkspace\u002Fconfig.py \\\n    --dataset img \\\n    --num_processes 2 \\\n    --log_period 10\n```\n\n**Windows (CMD):**\n\n```cmd\nuv run python main.py --config C:\\path\\to\\workspace\\config.py --dataset img --num_processes 2 --log_period 10\n```\n\n**参数说明：**\n*   `--config`: 指向您创建的 `config.py` 文件的绝对路径。\n*   `--dataset`: 输出格式，`img` 表示保存为图片文件夹，`lmdb` 表示保存为 LMDB 数据库（兼容 PaddleOCR）。\n*   `--num_processes`: 并行进程数，可根据 CPU 核心数调整。\n*   `--log_period`: 日志打印间隔。\n\n生成完成后，图片和标注文件（`labels.json` 或 LMDB 文件）将保存在配置中指定的 `output` 目录下。","某物流科技公司正致力于升级其快递面单识别系统，需要训练一个能应对复杂背景、模糊打印及倾斜文字的深度学习 OCR 模型。\n\n### 没有 text_renderer 时\n- **数据收集成本高昂**：团队需人工拍摄数万张真实面单或从网络爬取图片，不仅耗时费力，还面临隐私合规风险。\n- **样本多样性严重不足**：真实场景中罕见的极端字体、特殊噪点或严重扭曲角度难以覆盖，导致模型在边缘案例上频繁失效。\n- **标注工作繁琐易错**：每张图片都需要人工手动框选文字并录入对应内容，数千张图片的标注周期长达数周，且极易出现人为错误。\n- **数据分布不均衡**：常见字符样本过剩，而生僻字或特定格式文本稀缺，导致模型训练出现偏差，泛化能力差。\n\n### 使用 text_renderer 后\n- **无限生成合成数据**：利用预设的字体库和背景图，text_renderer 可一键生成百万级带有精确标注的训练图像，彻底摆脱对真实数据的依赖。\n- **模拟极端场景增强鲁棒性**：通过集成 Albumentations 效果，轻松模拟污渍、模糊、光照变化及垂直排版等复杂情况，显著提升模型抗干扰能力。\n- **自动化精准标注**：工具在生成图像的同时自动输出对应的 JSON 或 LMDB 格式标签文件，将原本数周的标注工作缩短至几分钟，且零误差。\n- **灵活控制数据分布**：开发者可自定义语料采样策略，针对性地增加生僻字或特定版式的样本数量，确保训练数据集的平衡与全面。\n\ntext_renderer 将 OCR 模型训练的数据准备阶段从“劳动密集型”转变为“自动化配置型”，大幅降低了研发门槛并加速了模型迭代落地。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Foh-my-ocr_text_renderer_2858cab8.gif","oh-my-ocr","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Foh-my-ocr_9ba61a59.png","",null,"ohmyocr@gmail.com","https:\u002F\u002Fgithub.com\u002Foh-my-ocr",[80],{"name":81,"color":82,"percentage":83},"Python","#3572A5",100,907,176,"2026-04-13T02:46:25","MIT","Linux, macOS, Windows","未说明",{"notes":91,"python":92,"dependencies":93},"推荐使用 'uv sync' 进行依赖安装。运行前需准备字体文件 (.ttf, .otf, .ttc)、背景图片和语料库文本。支持生成 LMDB 格式数据集以兼容 PaddleOCR。Windows 用户运行命令时需注意换行符差异。","3.10+",[94],"albumentations",[15,16],"2026-03-27T02:49:30.150509","2026-04-19T23:04:13.788357",[99,104,109,114,119,124],{"id":100,"question_zh":101,"answer_zh":102,"source_url":103},37799,"如何生成非拉丁语系（如孟加拉语、古吉拉特语）的正确图片和标签？","如果生成的图片中字符顺序错乱但标签正确，这通常是底层依赖库 Pillow 的问题，而非 text_renderer 本身能解决的。建议创建一个最小可复现代码片段，并提交到 Pillow 的 GitHub Issues 页面寻求修复或更深入的排查建议。","https:\u002F\u002Fgithub.com\u002Foh-my-ocr\u002Ftext_renderer\u002Fissues\u002F69",{"id":105,"question_zh":106,"answer_zh":107,"source_url":108},37800,"如何生成白色文本或自定义文本颜色？","可以通过继承 `TextColorCfg` 类并实现 `get_color` 方法来固定文本颜色。例如，要生成白色文本，可定义如下配置类：\nclass FixedTextColorCfg(TextColorCfg):\n    def get_color(self, bg_img):\n        alpha = 255\n        # 返回 RGBA 格式的白色 (255, 255, 255, alpha)\n        return (255, 255, 255, alpha)\n然后在 `RenderCfg` 中将 `text_color_cfg` 设置为该类的实例。","https:\u002F\u002Fgithub.com\u002Foh-my-ocr\u002Ftext_renderer\u002Fissues\u002F34",{"id":110,"question_zh":111,"answer_zh":112,"source_url":113},37801,"默认生成的是 JSON 格式的标签文件，如何生成 TXT 格式的标签？","虽然工具默认输出 JSON，但你可以通过遍历生成的训练集，编写一个简单的脚本将 JSON 中的文本内容提取出来并保存为 TXT 格式。此外，对于训练中发现的异常样本（如文字与背景颜色过于接近导致无法区分），建议在模型训练一定程度后过一遍训练集将其剔除，以保证数据质量。","https:\u002F\u002Fgithub.com\u002Foh-my-ocr\u002Ftext_renderer\u002Fissues\u002F6",{"id":115,"question_zh":116,"answer_zh":117,"source_url":118},37802,"如何让生成图片的高度在指定范围内随机变化以增加多样性？","可以在配置文件或代码中设置 `height` 参数为一个元组范围。例如在 `RenderCfg` 中设置 `height: tuple = (30, 32)`，或者在字体配置中设置 `font_size=(20, 36)`。程序会在渲染时通过 `random.randint(font_size[0], font_size[1])` 在该范围内随机选择高度，从而实现每张图片高度不同。","https:\u002F\u002Fgithub.com\u002Foh-my-ocr\u002Ftext_renderer\u002Fissues\u002F40",{"id":120,"question_zh":121,"answer_zh":122,"source_url":123},37803,"生成的图片中出现了错误的汉字（字体缺失或显示错误），如何解决？","这通常是因为使用的字体文件本身存在问题或缺少对应的字形。建议使用字体编辑工具（如 fonteditor）检查字体文件，确认是否包含所需的字符。如果字体文件中缺少特定字符，渲染时可能会出现乱码或替换字符，需要更换完整的中文字体文件。","https:\u002F\u002Fgithub.com\u002Foh-my-ocr\u002Ftext_renderer\u002Fissues\u002F24",{"id":125,"question_zh":126,"answer_zh":127,"source_url":128},37804,"运行时报错 'RuntimeError: Load configs failed' 是什么原因？","这通常是由于环境中安装的 pip 包版本与项目要求的版本不一致导致的。解决方法是检查并更新依赖包，确保使用正确的版本。可以尝试运行 `pip update` 更新相关包，或者根据示例代码中的要求重新安装特定版本的依赖。新版本的设计更加模块化且支持变长数据生成，请确保代码与版本匹配。","https:\u002F\u002Fgithub.com\u002Foh-my-ocr\u002Ftext_renderer\u002Fissues\u002F62",[130],{"id":131,"version":132,"summary_zh":133,"released_at":134},305917,"v0.2.0","## 变更内容\n\n### 迁移到 `uv` + `pyproject.toml` (#89)\n\n- 用结构化的 `pyproject.toml`（使用 hatchling 后端）和 `uv.lock` 替代 `requirements.txt`\n- 将依赖分离为运行时依赖、开发依赖（通过 `[dependency-groups]`）以及文档和工具依赖（通过 `[project.optional-dependencies]`）\n- 最低 Python 版本从 3.7 提升至 **3.10**\n- 锁定 `albumentations>=1.3.0,\u003C2.0`（已归档，2.x 存在重大变更）、`numpy\u003C2.3`、`scipy\u003C1.16`（与 Python 3.10 兼容）\n- 更新 CI 配置至 `astral-sh\u002Fsetup-uv@v7`，并启用 `--locked` 强制检查\n- 移除 `pandas` 依赖，将 `tools\u002Fprepare_effect_layout_example.py` 重写为仅使用标准库实现\n- 补齐缺失的 `rich` 依赖\n\n### 破坏性变更\n\n- **不再支持 Python 3.7–3.9** — 最低版本现已提升至 3.10\n- **移除 `requirements.txt`** — 请改用 `uv sync` 或 `pip install .`\n- 文档和工具依赖现作为可选依赖项：`pip install '.[docs]'`、`pip install '.[tools]'`","2026-03-29T18:10:48"]