Tesseract
开源OCR引擎，最初由惠普开发，现由Google维护，支持多语言文字识别，结合深度学习技术提升识别准确率，是业界广泛使用的OCR基础组件。
核心事实
时间轴 (近 90 天)
OCR 的核心输出是字符流，不理解文字的业务含义，典型工具包括 Tesseract、ABBYY FineReader 以及各大云厂商的 OCR 服务。
OCR路线常用Tesseract、PaddleOCR等工具先得到纯文本再交给语言模型判断字段；端到端的视觉模型（如Donut、Qwen-VL）则跳过显式OCR，直接从图像预测结构化输出。
一个务实的最小可行方案包括：用OCR定时截取聊天区识别文字，维护FAQ关键词映射表，用字符串匹配或轻量意图分类判断，模拟键盘输入发送预设答案，并设置频率上限。
Tesseract等传统引擎适合规则文本，PaddleOCR、EasyOCR等开源模型适合中文与通用场景，云端API和视觉大模型适合复杂版面与非结构化内容。
PaddleOCR 相比 Tesseract 等传统方案在中文和复杂版面上准确率更高，且提供轻量模型供 CPU 推理。
主流OCR引擎（如Tesseract、Google Vision、AWS Textract）会为每个识别出的词或字符返回一个0到1之间的置信度值。
传统OCR领域的主流工具包括Tesseract（开源）、ABBYY FineReader以及各云厂商提供的OCR API
Mirage开源Tesseract套件带来Adobe工程转换器，让AI助手能够生成Premiere和After Effects的工程文件，也支持导入现有项目继续编辑
现代OCR系统如Tesseract、Google Document AI、AWS Textract会提供行、词乃至字符粒度的空间坐标以及置信度分数
传统文档处理管线由 OCR 引擎、规则引擎或正则提取、数据校验层等多个独立组件串联而成，每个环节都有独立的失败点
还有 18 条时间轴事件
全部知识事实 (20)
现代OCR引擎如Tesseract和ABBYY FineReader在纯文字识别上已达到95%以上的准确率
80%待验证归一化处理中PDF解析可使用PyMuPDF或pdfplumber，Word文档处理常用python-docx，图片OCR可用Tesseract或PaddleOCR
90%待验证Prescription parsing typically follows a two-stage process: an OCR engine converts the prescription image into raw text, then a large language model performs semantic extraction
80%待验证基于VLM的OCR相比Tesseract等传统OCR引擎，在上下文理解、复杂版面处理和多语言支持方面有明显优势
75%待验证Tesseract是由HP实验室开发、后由Google维护的开源OCR引擎，已有超过30年历史
60%待验证OCR 的核心输出是字符流，不理解文字的业务含义，典型工具包括 Tesseract、ABBYY FineReader 以及各大云厂商的 OCR 服务。
50%待验证OCR路线常用Tesseract、PaddleOCR等工具先得到纯文本再交给语言模型判断字段；端到端的视觉模型（如Donut、Qwen-VL）则跳过显式OCR，直接从图像预测结构化输出。
50%待验证一个务实的最小可行方案包括：用OCR定时截取聊天区识别文字，维护FAQ关键词映射表，用字符串匹配或轻量意图分类判断，模拟键盘输入发送预设答案，并设置频率上限。
50%待验证Tesseract等传统引擎适合规则文本，PaddleOCR、EasyOCR等开源模型适合中文与通用场景，云端API和视觉大模型适合复杂版面与非结构化内容。
50%待验证PaddleOCR 相比 Tesseract 等传统方案在中文和复杂版面上准确率更高，且提供轻量模型供 CPU 推理。
50%待验证主流OCR引擎（如Tesseract、Google Vision、AWS Textract）会为每个识别出的词或字符返回一个0到1之间的置信度值。
50%待验证传统OCR领域的主流工具包括Tesseract（开源）、ABBYY FineReader以及各云厂商提供的OCR API
50%待验证现代OCR系统如Tesseract、Google Document AI、AWS Textract会提供行、词乃至字符粒度的空间坐标以及置信度分数
50%待验证传统文档处理管线由 OCR 引擎、规则引擎或正则提取、数据校验层等多个独立组件串联而成，每个环节都有独立的失败点
50%待验证现代端侧 AI 模型可将 OCR 与语义理解合并为单次推理，相比传统 OCR 工具（如 Tesseract）需单独运行再调用翻译接口更能降低延迟
50%待验证研究引入了PaddleOCR、EasyOCR和Tesseract三种OCR引擎的实际输出
50%待验证现代 OCR 引擎通常结合卷积神经网络（CNN）进行字符特征提取，再用循环神经网络（RNN）或 Transformer 建模字符序列的上下文关系
50%待验证Tesseract是由HP于1985年开发、现由Google维护的开源OCR引擎
50%待验证Tesseract基于LSTM神经网络，支持100多种语言，完全免费且可离线运行
50%待验证对于印刷体清晰、排版规整的文档，Tesseract的准确率可达95%以上
50%