找到个基于百度开源ocr llm的抄字幕项目

分支一：https://github.com/timminator/VideOCR/releases/tag/v1.3.2
分支二：https://github.com/timminator/VideOCR/releases
应该是可以自己选择模型，试了下，比之前很多模型识别率高不少，不过有时候会有漏后半句的情况，整体效率可以高很多
目前的是v5,可以替换为v6

PaddleOCR模型有个很大的毛病,空格识别极其拉胯.基本上约等于没有.前后句子之间的距离稍微短点.空格就识别不出来了.

與望言ocr比如何?

skylimiter 发表于 2026-6-21 19:07
與望言ocr比如何?

就我的使用体验而言.望言v2的策略比较激进,空格识别很准确,有时候会过头.整体准确率没有PaddleOCR高,但是不需要操心空格,但是生僻字识别比较拉胯.目前我是望言所有模型全打开加上苹果本机的模型.跑一遍以后,人工或者AI视觉大模型校对一遍.基本上问题不大.

PS: 望言现在内置了PaddleOCR早期模型和v5 v6.不同的场景这三个版本各有千秋.

KarlZeo 发表于 2026-6-21 20:12
就我的使用体验而言.望言v2的策略比较激进,空格识别很准确,有时候会过头.整体准确率没有PaddleOCR高,但是 ...

https://huggingface.co/baidu/Unlimited-OCR
又一个开源的，这次是3b,不知道效果如何，说是支持长上下文

想问一下，为什么对视频的OCR如此困难，对基于图片的OCR发源于战间期，在1950年已经开始商业应用，冷战结束时候就已经是一个非常成熟的技术，到现在的话可以说已经无所不能