[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-robertknight--ocrs":3,"tool-robertknight--ocrs":61},[4,18,26,36,44,53],{"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},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",145895,2,"2026-04-08T11:32:59",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"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。",108111,"2026-04-08T11:23:26",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":10,"last_commit_at":59,"category_tags":60,"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",[35,15,13,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":76,"owner_location":77,"owner_email":78,"owner_twitter":76,"owner_website":79,"owner_url":80,"languages":81,"stars":110,"forks":111,"last_commit_at":112,"license":113,"difficulty_score":114,"env_os":115,"env_gpu":116,"env_ram":117,"env_deps":118,"category_tags":125,"github_topics":126,"view_count":32,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":130,"updated_at":131,"faqs":132,"releases":163},5631,"robertknight\u002Focrs","ocrs","Rust library and CLI tool for OCR (extracting text from images)","ocrs 是一款基于 Rust 语言开发的开源光学字符识别（OCR）工具，旨在从各类图片中高效提取文字。它致力于解决传统 OCR 引擎（如 Tesseract）对图像预处理要求高、配置复杂等痛点，能够直接处理扫描文档、含文字的照片及屏幕截图等多种场景，无需繁琐的前期调整。\n\n目前 ocrs 处于早期预览阶段，主要支持拉丁字母（如英语），未来计划扩展更多语言。由于其核心由 Rust 编写并支持编译为 WebAssembly，它在保证高性能的同时，具备极佳的跨平台兼容性，易于在不同环境中部署和运行。技术层面，ocrs 深度整合了机器学习流程，底层采用 PyTorch 训练的神经网络模型，并通过 ONNX 格式交由 RTen 引擎执行，既提升了识别准确率，又保持了代码库的清晰与可修改性。\n\n这款工具非常适合开发者将其作为库集成到项目中，或研究人员用于探索自定义模型训练；同时，它也提供了便捷的命令行界面，普通用户只需简单指令即可提取图片文字、生成带标注的图像或输出结构化 JSON 数据。无论是构建自动化文档处理流程，还是日常快速提取截图信息，ocrs 都是一个现代、灵活且值得尝试的选择。","# Ocrs\n\n**ocrs** is a Rust library and CLI tool for extracting text from images, also known as OCR (Optical Character Recognition).\n\nThe goal is to create a modern OCR engine that:\n\n - Works well on a wide variety of images (scanned documents, photos containing\n   text, screenshots etc.) with zero or much less preprocessing effort compared\n   to earlier engines like [Tesseract][tesseract]. This is achieved by using\n   machine learning more extensively in the pipeline.\n - Is easy to compile and run across a variety of platforms, including\n   WebAssembly\n - Is trained on open and liberally licensed datasets\n - Has a codebase that is easy to understand and modify\n\nUnder the hood, the library uses neural network models trained in\n[PyTorch][pytorch], which are then exported to [ONNX][onnx] and executed using\nthe [RTen][rten] engine. See the [models](#models-and-datasets) section for\nmore details.\n\n[onnx]: https:\u002F\u002Fonnx.ai\n[pytorch]: https:\u002F\u002Fpytorch.org\n[rten]: https:\u002F\u002Fgithub.com\u002Frobertknight\u002Frten\n[tesseract]: https:\u002F\u002Fgithub.com\u002Ftesseract-ocr\u002Ftesseract\n\n## Status\n\nocrs is currently in an early preview. Expect more errors than commercial OCR\nengines.\n\n## Language Support\n\nocrs currently recognizes the Latin alphabet only (eg. English). Support for\nmore languages is [planned](https:\u002F\u002Fgithub.com\u002Frobertknight\u002Focrs\u002Fissues\u002F8). \n\n## CLI installation\n\nTo install the CLI tool, you will first need Rust and Cargo installed. Then\nrun:\n\n```sh\n$ cargo install ocrs-cli --locked\n```\n\nTo enable support for reading images from the system clipboard, add the\n`clipboard` feature:\n\n```sh\n$ cargo install ocrs-cli --locked --features clipboard\n```\n\n## CLI usage\n\nTo extract text from an image, run:\n\n```sh\n$ ocrs image.png\n```\n\nWhen the tool is run for the first time, it will download the required models\nautomatically and store them in `~\u002F.cache\u002Focrs`.\n\nIf ocrs was installed with the `clipboard` feature, you can extract text from\nan image on the system clipboard with:\n\n```sh\n$ ocrs --clipboard\n$ ocrs -c  # Short form\n```\n\n### Additional examples\n\nExtract text from an image and write to `content.txt`:\n\n```sh\n$ ocrs image.png -o content.txt\n```\n\nExtract text and layout information from the image in JSON format:\n\n```sh\n$ ocrs image.png --json -o content.json\n```\n\nAnnotate an image to show the location of detected words and lines:\n\n```sh\n$ ocrs image.png --png -o annotated.png\n````\n\n## Library usage\n\nSee the [ocrs crate README](ocrs\u002F) for details on how to use ocrs as a Rust\nlibrary.\n\n## Models and datasets\n\nocrs uses neural network models written in PyTorch. See the\n[ocrs-models](https:\u002F\u002Fgithub.com\u002Frobertknight\u002Focrs-models) repository for more\ndetails about the models and datasets, as well as tools for training custom\nmodels. These models are also available in ONNX format for use with other\nmachine learning runtimes.\n\n## Development\n\nTo build and run the ocrs library and CLI tool locally you will need a recent\nstable Rust version installed. Then run:\n\n```sh\ngit clone https:\u002F\u002Fgithub.com\u002Frobertknight\u002Focrs.git\ncd ocrs\ncargo run -p ocrs-cli -r -- image.png\n```\n\n### Testing\n\nOcrs has unit tests for the code that runs before and after ML model processing,\nplus E2E tests which exercise the whole pipeline, including models.\n\nAfter making changes to the code, run unit tests and lint checks with:\n\n```sh\nmake check\n```\n\nYou can also run standard commands like `cargo test` directly.\n\nRun the E2E tests with:\n\n```sh\nmake test-e2e\n```\n\nFor details of how the ML models are evaluated, see the\n[ocrs-models](https:\u002F\u002Fgithub.com\u002Frobertknight\u002Focrs-models) repository.\n","# Ocrs\n\n**ocrs** 是一个用 Rust 编写的库和 CLI 工具，用于从图像中提取文本，也称为 OCR（光学字符识别）。\n\n其目标是创建一个现代化的 OCR 引擎，具备以下特点：\n\n- 能够很好地处理各种类型的图像（扫描文档、包含文本的照片、截图等），并且相比早期的引擎如 [Tesseract][tesseract]，几乎无需或只需极少的预处理。这是通过在流水线中更广泛地使用机器学习来实现的。\n- 易于编译并在多种平台上运行，包括 WebAssembly。\n- 使用开放且许可宽松的数据集进行训练。\n- 代码库易于理解和修改。\n\n在底层，该库使用在 [PyTorch][pytorch] 中训练的神经网络模型，随后导出为 [ONNX][onnx] 格式，并使用 [RTen][rten] 引擎执行。更多详细信息请参阅 [模型与数据集](#models-and-datasets) 部分。\n\n[onnx]: https:\u002F\u002Fonnx.ai\n[pytorch]: https:\u002F\u002Fpytorch.org\n[rten]: https:\u002F\u002Fgithub.com\u002Frobertknight\u002Frten\n[tesseract]: https:\u002F\u002Fgithub.com\u002Ftesseract-ocr\u002Ftesseract\n\n## 状态\n\nocrs 目前处于早期预览阶段。错误率可能高于商业 OCR 引擎。\n\n## 语言支持\n\nocrs 当前仅支持拉丁字母（例如英语）。更多语言的支持正在 [计划中](https:\u002F\u002Fgithub.com\u002Frobertknight\u002Focrs\u002Fissues\u002F8)。\n\n## CLI 安装\n\n要安装 CLI 工具，您需要先安装 Rust 和 Cargo。然后运行以下命令：\n\n```sh\n$ cargo install ocrs-cli --locked\n```\n\n若要启用从系统剪贴板读取图像的功能，请添加 `clipboard` 特性：\n\n```sh\n$ cargo install ocrs-cli --locked --features clipboard\n```\n\n## CLI 使用\n\n要从图像中提取文本，运行以下命令：\n\n```sh\n$ ocrs image.png\n```\n\n首次运行时，工具会自动下载所需的模型并将其存储在 `~\u002F.cache\u002Focrs` 目录下。\n\n如果 ocrs 是带有 `clipboard` 特性的版本安装的，则可以从系统剪贴板中的图像提取文本：\n\n```sh\n$ ocrs --clipboard\n$ ocrs -c  # 简写形式\n```\n\n### 其他示例\n\n从图像中提取文本并写入 `content.txt` 文件：\n\n```sh\n$ ocrs image.png -o content.txt\n```\n\n以 JSON 格式提取图像中的文本和布局信息：\n\n```sh\n$ ocrs image.png --json -o content.json\n```\n\n对图像进行标注，显示检测到的单词和行的位置：\n\n```sh\n$ ocrs image.png --png -o annotated.png\n```\n\n## 库的使用\n\n有关如何将 ocrs 作为 Rust 库使用的详细信息，请参阅 [ocrs crate 的 README](ocrs\u002F)。\n\n## 模型与数据集\n\nocrs 使用用 PyTorch 编写的神经网络模型。有关模型和数据集的更多信息，以及用于训练自定义模型的工具，请参阅 [ocrs-models](https:\u002F\u002Fgithub.com\u002Frobertknight\u002Focrs-models) 仓库。这些模型也提供 ONNX 格式，以便与其他机器学习运行时一起使用。\n\n## 开发\n\n要在本地构建并运行 ocrs 库和 CLI 工具，您需要安装最新稳定版的 Rust。然后执行以下操作：\n\n```sh\ngit clone https:\u002F\u002Fgithub.com\u002Frobertknight\u002Focrs.git\ncd ocrs\ncargo run -p ocrs-cli -r -- image.png\n```\n\n### 测试\n\nOcrs 对 ML 模型处理前后运行的代码进行了单元测试，同时还提供了端到端测试，覆盖整个流程，包括模型部分。\n\n在修改代码后，可以运行单元测试和 lint 检查：\n\n```sh\nmake check\n```\n\n您也可以直接运行诸如 `cargo test` 之类的标准命令。\n\n运行端到端测试：\n\n```sh\nmake test-e2e\n```\n\n有关 ML 模型评估方式的详细信息，请参阅 [ocrs-models](https:\u002F\u002Fgithub.com\u002Frobertknight\u002Focrs-models) 仓库。","# ocrs 快速上手指南\n\n**ocrs** 是一个基于 Rust 开发的现代化 OCR（光学字符识别）工具，旨在从各类图像（扫描文档、照片、截图等）中提取文本。相比传统引擎，它利用机器学习减少了预处理需求，并支持编译为 WebAssembly。\n\n> **注意**：目前仅支持拉丁字母（如英语），多语言支持正在规划中。项目处于早期预览阶段。\n\n## 环境准备\n\n在开始之前，请确保您的系统已安装以下依赖：\n\n- **Rust 工具链**：包含 `rustc` 和 `cargo`。\n  - 安装命令（Linux\u002FmacOS）：\n    ```sh\n    curl --proto '=https' --tlsv1.2 -sSf https:\u002F\u002Fsh.rustup.rs | sh\n    ```\n  - Windows 用户请访问 [rustup.rs](https:\u002F\u002Frustup.rs) 下载 installer。\n- **网络连接**：首次运行时需自动下载模型文件（存储于 `~\u002F.cache\u002Focrs`）。\n\n## 安装步骤\n\n使用 Cargo 安装命令行工具：\n\n### 基础安装\n```sh\ncargo install ocrs-cli --locked\n```\n\n### 启用剪贴板支持（可选）\n若需直接从系统剪贴板读取图片，请添加 `clipboard` 特性：\n```sh\ncargo install ocrs-cli --locked --features clipboard\n```\n\n> **提示**：国内开发者若遇到下载缓慢，可配置 Rust 镜像源（如中科大或清华源）加速 crate 下载。\n\n## 基本使用\n\n### 1. 识别本地图片\n提取图片中的文本并输出到终端：\n```sh\nocrs image.png\n```\n*注：首次运行会自动下载所需模型。*\n\n### 2. 识别剪贴板图片（需启用 clipboard 特性）\n```sh\nocrs --clipboard\n# 或使用简写\nocrs -c\n```\n\n### 3. 常用进阶示例\n\n- **保存结果到文件**：\n  ```sh\n  ocrs image.png -o content.txt\n  ```\n\n- **输出 JSON 格式（含布局信息）**：\n  ```sh\n  ocrs image.png --json -o content.json\n  ```\n\n- **生成标注图（显示检测到的文字位置）**：\n  ```sh\n  ocrs image.png --png -o annotated.png\n  ```","一位数据分析师需要每天从大量非结构化的截图（如竞品海报、社交媒体图片）中提取关键文本信息以构建数据库。\n\n### 没有 ocrs 时\n- **预处理繁琐**：面对光照不均或背景复杂的截图，必须手动编写代码进行二值化、去噪等图像预处理，否则传统引擎（如 Tesseract）识别率极低。\n- **部署困难**：依赖项复杂，难以将 OCR 功能轻量级地集成到跨平台应用或 WebAssembly 环境中，导致交付周期拉长。\n- **结果不可控**：只能获取纯文本，缺乏文字在图中的坐标布局信息，无法还原原始排版或进行后续的区域定位分析。\n- **调试黑盒**：当识别出错时，难以直观看到模型到底在哪里检测失败了，排查问题如同“盲人摸象”。\n\n### 使用 ocrs 后\n- **零预处理启动**：ocrs 内置的机器学习模型能直接处理各种质量的截图，无需额外编写图像增强代码，开箱即用。\n- **跨平台轻量化**：基于 Rust 和 ONNX 运行时，ocrs 可轻松编译运行于服务器、桌面甚至浏览器端，大幅降低集成门槛。\n- **结构化输出**：通过 `--json` 参数，ocrs 不仅能提取文字，还能返回精确的坐标和行块信息，方便直接重建文档布局。\n- **可视化调试**：利用 `--png` 功能生成标注图，直观展示检测到的文字区域，让开发者能迅速定位并优化特定场景的识别效果。\n\nocrs 通过现代化的深度学习管线，将原本繁琐的图像文本提取工作转化为简单、高效且可可视化的标准流程。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Frobertknight_ocrs_0435c077.png","robertknight","Robert Knight","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Frobertknight_76f51906.jpg","Rustacean and front-end developer.\r\n\r\nPrevious projects - @Hypothesis web annotation client, @Mendeley's desktop app, Konsole terminal for KDE.",null,"London, United Kingdom","robertknight@gmail.com","https:\u002F\u002Frobertknight.me.uk","https:\u002F\u002Fgithub.com\u002Frobertknight",[82,86,90,94,98,102,106],{"name":83,"color":84,"percentage":85},"Rust","#dea584",74.8,{"name":87,"color":88,"percentage":89},"TypeScript","#3178c6",19.1,{"name":91,"color":92,"percentage":93},"Python","#3572A5",2.5,{"name":95,"color":96,"percentage":97},"JavaScript","#f1e05a",1.8,{"name":99,"color":100,"percentage":101},"Makefile","#427819",0.9,{"name":103,"color":104,"percentage":105},"HTML","#e34c26",0.5,{"name":107,"color":108,"percentage":109},"Shell","#89e051",0.4,1805,80,"2026-04-08T02:04:00","Apache-2.0",4,"Linux, macOS, Windows","未说明 (基于 CPU 运行，使用 RTen 引擎执行 ONNX 模型)","未说明",{"notes":119,"python":120,"dependencies":121},"该工具主要使用 Rust 语言开发，无需安装 Python 环境即可运行 CLI 或作为库使用。首次运行时会自动下载神经网络模型并存储于 ~\u002F.cache\u002Focrs 目录。目前仅支持拉丁字母（如英语）。若需支持剪贴板功能，编译时需添加 'clipboard' 特性。","不需要 (核心工具为 Rust 编写，模型虽由 PyTorch 训练但已导出为 ONNX)",[122,123,124],"Rust\u002FCargo (最新稳定版)","RTen (内置推理引擎)","ONNX 模型 (首次运行自动下载)",[14,15],[127,128,129],"computer-vision","machine-learning","ocr","2026-03-27T02:49:30.150509","2026-04-09T05:23:04.069282",[133,138,143,148,153,158],{"id":134,"question_zh":135,"answer_zh":136,"source_url":137},25559,"如何在 Proxmox 虚拟机或其他虚拟化环境中解决 \"Illegal instruction (core dumped)\" 错误？","该问题通常是因为虚拟机的 CPU 配置不支持 AVX2 指令集，而 ocrs 默认会使用这些指令。解决方法是将虚拟机的 CPU 类型设置为 \"host\"（透传宿主机 CPU 特性）或升级到支持 AVX2 的 CPU 模型。\n\n在 Proxmox 中：\n1. 关闭虚拟机。\n2. 编辑虚拟机配置，将 CPU 类型从默认值（如 x86-64-v2-AES）改为 \"host\"。\n3. 重新启动虚拟机。\n\n如果不方便修改 CPU 设置，可以尝试使用旧版本（如 v0.6.0），但建议最终通过配置支持 AVX2 来获得 2-4 倍的性能提升。","https:\u002F\u002Fgithub.com\u002Frobertknight\u002Focrs\u002Fissues\u002F52",{"id":139,"question_zh":140,"answer_zh":141,"source_url":142},25560,"如何限制 OCR 识别的字符范围（例如只识别字母，避免将 'O' 误识为 '0'）？","从 v0.9.0 版本开始，ocrs 支持通过 `--allowed-chars` 参数白名单字符。\n\n使用方法：\n```bash\nocrs image.png --allowed-chars \"abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ\"\n```\n\n注意事项：\n当模型输出的字符不在允许列表中时，它会被替换或丢弃。有时替换结果可能不符合预期（例如大写字母可能被转换为小写，或者直接被删除），因此建议根据实际测试调整允许的字符集。此功能类似于 Tesseract 的字符白名单\u002F黑名单功能。","https:\u002F\u002Fgithub.com\u002Frobertknight\u002Focrs\u002Fissues\u002F114",{"id":144,"question_zh":145,"answer_zh":146,"source_url":147},25561,"如何将 ocrs 与 OpenCV 结合用于实时摄像头文字检测？","你可以选择两种方式集成：\n1. **调用命令行工具**：在任何能执行程序的脚本中调用 `ocrs` 命令处理摄像头截取的图像帧。\n2. **作为库集成**：在 Rust 代码中直接引入 `ocrs` 库，这样可以更灵活地控制流程。例如，如果只需要检测图像中是否有文字而不需要识别具体内容，可以单独运行第一步（文本检测），跳过后续的分组和识别步骤，从而提高实时性能。\n\n内部处理分为三步：检测文本像素 -> 将像素分组为单词和行 -> 识别每行的文本。作为库使用时，这些步骤可以独立运行。","https:\u002F\u002Fgithub.com\u002Frobertknight\u002Focrs\u002Fissues\u002F67",{"id":149,"question_zh":150,"answer_zh":151,"source_url":152},25562,"OCR 无法识别图像中较小的数字（如页码）怎么办？","对于图像中较小或难以识别的数字，可以通过预处理提高分辨率来改善识别效果。\n\n推荐方案：\n1. 裁剪出包含目标数字的区域（例如页面底部的页码区域）。\n2. 使用高质量的重采样算法（如双三次插值 cubic）将裁剪区域放大（例如 3 倍）。\n3. 将处理后的图像送入 ocrs 进行识别。\n\nPython 示例思路（使用 Pillow）：\n```python\nfrom PIL import Image\nimg = Image.open(input_path)\n# 裁剪左下角区域\ncropped = img.crop((left, upper, right, lower))\n# 放大 3 倍\nresized = cropped.resize((width*3, height*3), Image.Resampling.BICUBIC)\nresized.save(output_path)\n```\n高分辨率图像通常能显著提高 OCR 对小字号数字的检出率。","https:\u002F\u002Fgithub.com\u002Frobertknight\u002Focrs\u002Fissues\u002F176",{"id":154,"question_zh":155,"answer_zh":156,"source_url":157},25563,"为什么升级 ocrs 到 v0.8.1 后我的项目编译失败了？","这是因为 v0.8.1 更新了其公共依赖 `rten` 的版本（从 0.10.0 升至 0.13.1），这属于破坏性变更（Breaking Change）。由于 `ocrs` 的 API（如 `OcrEngineParams`）直接暴露了 `rten` 的类型，如果你的项目也依赖 `rten`，版本不匹配会导致类型冲突。\n\n解决方案：\n- 请将 `ocrs` 升级到 v0.9.0 或更高版本，维护者已将该破坏性变更正确标记为次版本号升级。\n- 检查你的 `Cargo.toml`，确保 `rten` 的版本与 `ocrs` 所要求的版本兼容，或者让 Cargo 自动解析依赖。","https:\u002F\u002Fgithub.com\u002Frobertknight\u002Focrs\u002Fissues\u002F115",{"id":159,"question_zh":160,"answer_zh":161,"source_url":162},25564,"在虚拟化环境（如 UTM\u002FQEMU）中运行 ocrs 遇到非法指令错误如何解决？","如果在模拟环境中（如 macOS 上的 UTM 运行 Linux VM）遇到 \"Illegal instruction\" 错误，通常是因为模拟的 CPU 架构（如 Intel Nehalem）不支持 ocrs 所需的 AVX2 指令集。\n\n解决方法：\n1. 修改虚拟机配置，将 CPU 模型设置为支持 AVX2 的新型号，或者直接设置为 \"host\" 以透传物理 CPU 指令集。\n2. 确保宿主机物理 CPU 支持 AVX2。\n\n该问题在底层依赖库 `rten` 的后续更新中也有所修复，但最根本的解决办法是确保运行环境的 CPU 支持必要的指令集。","https:\u002F\u002Fgithub.com\u002Frobertknight\u002Focrs\u002Fissues\u002F49",[]]