# rocr — 离线中文 OCR 工具(RustO! / rusto-rs 封装,常驻加速版) 纯 Rust OCR 引擎(RapidOCR + PaddleOCR 模型 + 阿里 MNN 推理后端,**零 OpenCV**), 内置 **PP-OCRv6-Medium(约 94MB 高精度模型)**。纯本地推理,无需联网 / API key / 不耗 token。 官方引擎:https://github.com/byrizki/rusto-rs (v0.2.5,本包在原版基础上新增 `--serve` 常驻模式) ## 安装(分发给别人也只需这两步) 1. 解压 `rocr-macos-x86_64.zip`,得到 `rocr/` 目录。 2. 运行安装脚本: - **macOS**:双击 `install.command`(首次若被拦截,右键 → 打开;或在终端 `bash install.sh`)。 - **Linux / 终端**:`bash install.sh` - 安装脚本会把 `rocr/` 复制到 `~/rocr`,并在 `/usr/local/bin` 建立 `rocr` 软链。 卸载:`bash uninstall.sh`(或双击 `uninstall.command`)。 > 内置二进制为 **macOS x86_64**。Apple Silicon / Linux x86_64 需自行编译:在 rusto-rs 源码目录 `cargo build --release`,把产物 `target/release/rusto-rs` 覆盖到 `~/rocr/bin/rusto-rs` 即可。 ## 使用 ```bash rocr # 无参数 → 显示帮助与用法 rocr scan.jpg # 文本输出(默认) rocr scan.jpg markdown # Markdown 输出(直接进 文档→Markdown 流水线) rocr scan.png json # JSON(含坐标框 + 置信度) ``` 输出格式:`text`(默认) | `json` | `tsv` | `markdown` | `textordered`。 ## 常驻加速(daemon) 首次调用自动后台拉起 daemon:加载模型(一次,~2s)→ 监听 Unix socket(`~/.cache/rocr/rocr.sock`)。 之后每次调用走 socket,省去重复加载;**空闲 600 秒(10 分钟)无请求自动退出释放内存**,下次调用再自动拉起。 性能实测(2015 款 MacBook Air,i5-5250U 2C4T / 8GB,MNN 走 AVX2 CPU 内核,**机器静置**): | 模式 | 单张耗时 | 说明 | |------|---------|------| | 常驻 daemon 热态 | **~6s** | 省掉加载,剩余为纯推理;与图片尺寸无关 | | 一次性(未启用常驻) | ~10s | 每次加载模型 + 推理 | | 首次(拉起 daemon) | ~8s | 模型加载约 2s + 首次推理 | | 常驻 daemon 热态(**机器有负载时**) | 10–15s | 同时在编译 / Spotlight 索引 / 开浏览器时会明显变慢 | > ⚠️ 瓶颈说明:每张 ~6s 是**推理本身**的成本(且与输入尺寸无关),rec 模型按检测到的文本行数逐行推理, > 耗时随行数近似线性:约 1–2s/行,一页 40 行的图约 30–50s。 > 线程数实测(2 物理核 / 4 逻辑核):1 线程 ~9s,2 线程 ~5.98s,4 线程 ~6.06s —— 多线程有收益但 2 线程即接近饱和。 > **计时前请关掉重活**,否则数字会翻倍(本机在跑 `cargo build` 时曾测到 10.5s,同一配置静置仅 6.06s)。 > 注:日志里的 `The device supports: i8sdot:0, fp16:0, i8mm:0` 是 **ARM 特性探测串**,x86 上恒为 0,**不代表无 SIMD**(本机走 AVX2)。 > > 🚫 **核显 GPU 已实测:不能提速(勿再尝试)**。用 MNN 官方 `mnn_3.6.1_macos_x64_arm82_cpu_opencl_metal` > 重链出 Metal 后端实测(本机 Intel HD Graphics 6000,仅 `Metal GPUFamily macOS 1`): > 一次性 **388–408s(慢约 32 倍)**;常驻下首次请求 394s(Metal 着色器运行时编译,本机无持久 shader 缓存), > 热态同图 8.5s(仅比 CPU 快约 10%),但**换一张不同尺寸的图骤增到 63s**(按输入形状重编译流水线)。 > 对尺寸不一的真实文档完全不可用。要 GPU 提速需换 **Apple Silicon**(MNN Metal 对 M 系深度优化;源码 `cargo build --release --features metal`) > 或带 N 卡的机器走 CUDA / onnxruntime-gpu。 > 批量提速的可行手段:换小模型档(官方 release 另有 PPOCRv6-Tiny ~5.5MB,精度略降但快数倍)。 ### 2019 MBP / i7-9750H 实测(本机,2026-09-12) | 场景 | 单张耗时 | 与 2015 Air 对比 | |------|---------|------------------| | 800×320 样本图 常驻热态(threads=6) | **~3.5 s** | 比 6.0s 快 1.7×(6C12T vs 2C4T) | | 1721×1245 大图 常驻热态(threads=6) | **~12 s** | 像素量 8.37× → 实际每像素效率仍优 | | INT8 量化 det(62MB→6.2MB) | ❌ **精度崩:检测 0 个文字框** | — | **AVX2 路径已榨干**:MNN 官方说 AVX2 后端比 OpenVINO 快 20-440%、比 ONNX Runtime 快 18-60%。`ROCR_PRECISION=low` / `lowbf16` 在没 AVX-512 FP16/BF16 的本机(i7-9750H 没有 AVX-512 / VNNI)上**退化为 FP32 + 走 fallback,user CPU 时间反而高 14%**——保持默认 `high/high`。 **INT8 路线在本机不可行**(详见工作空间根 `docs/int8-quantize-attempt-20260912.md`): 1. i7-9750H 是 Coffee Lake(2019 上半年),**没有 VNNI / AVX-512**,INT8 没有专用硬件加速 2. MNN 2.8.3 默认 PTQ 算法(KL + MAX_ABS)对 PP-OCRv6 det(DBNet)精度损失致命(sigmoid 输出对量化误差极敏感) 3. rec 模型是动态 shape,calibration 工具不支持 **推荐配置**:`ROCR_NUM_THREADS=6`(threads=12 也接近,无显著差异,threads=4 略慢) ## 输出完整性(大 JSON / TSV 不截断) - daemon 传输已修复:早期版本大响应会在 **8192 字节**(macOS unix socket 默认发送缓冲 8KB)处被截断, 现强制阻塞写 + 客户端读到对端关闭,**任意大小输出完整**(已用 40 行图验证:19KB JSON 完整、合法)。 - `json` / `tsv` 输出同样完整;`json` 可被 `json.load` 直接解析。 - 已过滤 libMNN 直接打到 stdout 的设备探测行(`The device supports: ...`),one-shot 路径也不污染 payload。 ## 模型文件与打包产物(不在本仓库内) 本仓库**只含脚本与二进制**,以下内容被 `.gitignore` 排除,需单独获取/生成: - `models/`(`det.mnn` ~59MB + `rec.mnn` ~73MB + `dict.txt`)——模型权重,体积大,不进 Git。 获取方式:从官方 release 下载 `RustO-Models-PPOCRv6-Medium.zip` 并解压到 `models/PPOCRv6-Medium/`: ```bash mkdir -p models/PPOCRv6-Medium curl -L -o /tmp/m.zip https://github.com/byrizki/rusto-rs/releases/download/v0.2.5/RustO-Models-PPOCRv6-Medium.zip unzip -o /tmp/m.zip -d models/PPOCRv6-Medium ``` - `rocr-*.zip` 分发包——由本仓库内容 + 模型打包生成,不进 Git。 > 因此 **直接 clone 本仓库得到的是「缺模型」的骨架**:`bin/` 与脚本齐备,补上 `models/PPOCRv6-Medium/` 即可运行; > 或直接使用完整分发包 `rocr-macos-x86_64.zip`。 ## 目录结构(安装后位于 ~/rocr) ``` ~/rocr/ ├── bin/ │ ├── rocr # 封装脚本(位置无关,可被软链,带 daemon 管理) │ └── rusto-rs # OCR 二进制(含 --serve 常驻模式) ├── models/ │ └── PPOCRv6-Medium/ │ ├── det.mnn # 检测模型 │ ├── rec.mnn # 识别模型 │ └── dict.txt # 中文字典 ├── install.sh / install.command ├── uninstall.sh / uninstall.command └── README.md ``` ## 高级:环境变量 ```bash export ROCR_IDLE=300 # 空闲自退时间(秒),默认 600(10 分钟) export ROCR_NO_DAEMON=1 # 禁用常驻,每次一次性加载(省内存,慢) export ROCR_SOCK_DIR=/tmp # socket/pid/日志目录,默认 ~/.cache/rocr export RUSTO_BIN=/path/to/rusto-rs # 重定向二进制 export RUSTO_MODEL_DIR=/path/to/models # 重定向模型目录 export ROCR_HOME=/opt/rocr # 改变安装目标目录(install.sh 用) # MNN 推理后端调优(rusto-rs 透传) export ROCR_NUM_THREADS=6 # MNN 线程数(默认 4;本机最优 6) export ROCR_PRECISION=high # high | normal | low (FP16, x86 没 AVX-512 退化) | lowbf16 export ROCR_POWER=high # high | normal | low export ROCR_BACKEND=cpu # cpu | metal(x86 Mac 无效,见上节) ``` daemon 日志:`~/.cache/rocr/daemon.log`。 ## 在“文档→Markdown”流水线中的定位 扫描件 PDF / 图片缺 OCR 时,用 rocr 离线补齐:**扫描件 → 转图 → `rocr xxx.png markdown` → 回填 Markdown**。 批量场景 daemon 常驻只加载一次模型;模型选型:仅内置高精度档 PP-OCRv6-Medium——干净文本与各小模型持平,扫描件/小字/倾斜/噪点场景明显更稳。