ssw aa819b10c8 rocr: 离线中文 OCR CLI (RustO!/MNN, PP-OCRv6-Medium) 可分发包
- bin/rocr: 位置无关封装脚本, 带 daemon 常驻管理 (空闲 600s 自退)
- bin/rusto-rs: macOS x86_64 二进制 (含 --serve 常驻模式, 大输出不截断修复)
- install/uninstall 脚本 (含 macOS 双击 .command)
- models/ 与 *.zip 体积大, 由 .gitignore 排除, 需单独获取
2026-09-11 18:07:56 +08:00

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

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(Intel Mac,无 SIMD 加速):

模式 单张耗时 说明
一次性(旧版) ~12s 每次加载模型 + 推理
常驻 daemon 热态 ~9.5s 省掉加载,剩余为纯推理
首次(拉起 daemon) ~13s 加载 + 首次推理

⚠️ 瓶颈说明:本机 MNN 设备探测 i8sdot:0, fp16:0, i8mm:0(无 SIMD 加速路径),推理走慢速标量内核, rec 模型按检测行数逐行推理,每张 ~9s 是推理本身的成本。要数量级提速需换有 NEON/fp16 的机器(如 Apple Silicon), 或在批量场景换小模型档(官方 release 另有 PPOCRv6-Tiny ~5.5MB,精度略降但快数倍)。 耗时随文本行数近似线性增长:约 1–2s/行,一页 40 行的图约 50s。

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/:
    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

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)

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。

S
Description
rocr - 离线中文 OCR CLI (RustO!/MNN, PP-OCRv6-Medium) 可分发包
Readme
2.9 MiB
0 Stars 1 Watchers 0 Forks
Languages
Rust 42.7%
C++ 23.5%
Python 9.9%
Swift 5.1%
Kotlin 4.5%
Other 14.3%