light-ocr

本地离线 OCR，图片转文字带坐标，硬件加速快

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署 计算机视觉 🍴 复刻 59 🐛 待处理 2 👀 关注 4
GitHub ↗
GitHub 星标 ★ 661
维护状态 维护中
是否开源 开源
定价模式 🏷️完全免费 开源免费，npm包可自行部署使用

项目预览

light-ocr 项目界面预览图
图片来源：GitHub 官方仓库名片

项目数据

分类计算机视觉
开发团队arcships
GitHubhttps://github.com/arcships/light-ocr
定价模式🏷️完全免费
价格说明开源免费，npm包可自行部署使用
访问状态🔧 仅开源项目，无在线服务，需自行部署
是否开源是
开源协议Apache-2.0
主要语言C++
技术栈/模型apple-silicon,computer-vision,coreml,cpp17,d3d12,image-processing,machine-learning,napi,native-addon,nodejs,nvidia,ocr,ocr-recognition,offline-ocr,paddleocr,ppocr,text-recognition,typescript,vulkan,webgpu
GitHub 星标★ 661
上线时间2026-07-14 00:00:00
代码更新2026-10-08
仓库体积94.0 MB
本站数据更新2026-11-12
维护状态维护中
收录时间2026-09-29
浏览次数1

项目介绍

light-ocr 是一个面向 Node.js 和 C++ 的快速离线 OCR 库，基于 PP-OCRv6 模型，解决在本地环境中进行文字识别时依赖云端 API、速度慢、隐私泄露的问题。它支持 Core ML（Apple Silicon）、WebGPU、D3D12、NVIDIA 等多种硬件加速后端，能在图片中识别文字并返回置信度和坐标信息。项目以原生插件（N-API）形式提供，可直接在 Node.js 中调用，也支持 C++ 集成。核心能力包括：离线运行、无需网络请求、低延迟推理、多平台硬件加速、输出结构化识别结果。适合需要本地文字识别、注重隐私和性能的开发者，如桌面应用、自动化工具、图像处理流水线等场景。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-09-29 · 当前星标 ★ 661

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：入门 约 20 分钟 部署方式：本地安装 4 步

环境要求

  • Node.js 18+ 或现代浏览器

安装与启动步骤

  1. 1装包

    纯前端可用的轻量 OCR，装完直接 import。

    npm install @arcships/light-ocr

  2. 2识别一张图

    传图片地址或二进制给识别方法，返回按行组织的文本。

  3. 3指定语言与方向

    默认配置只适合正向的清晰图，倾斜或小语种要显式传参。

  4. 4接进自己的流程

    常见用法是在上传环节先跑一遍 OCR，把文字存进搜索索引。

如何确认成功

对同一张清晰图连续识别两次，结果一致且关键字段无错字

注意事项

  • 轻量意味着精度有限，票据类高精度场景要换专用模型。
  • 浏览器端跑会占用主线程，大图建议放 worker 里。

核心亮点

  • 基于 PP-OCRv6 模型，识别准确率有保障
  • 支持 Core ML、WebGPU、D3D12、NVIDIA 多种硬件加速，推理速度快
  • 提供置信度和坐标输出，方便后续处理

不足之处

  • 项目尚处早期，文档和示例可能不够完善
  • 社区规模较小，长期维护和更新频率待观察

适用场景

  • 桌面端截图文字提取工具
  • Node.js 服务端图片文字识别，无需调用云 API
  • 自动化测试中识别界面文字并获取位置

替代项目

tesseract.js、PaddleOCR、EasyOCR

上一篇：MultimodalOCR

下一篇：GutenOCR

同类项目推荐

meikiocr 开源

本地秒读日文游戏文字，离线翻译不卡顿

high-speed, high-accuracy, local ocr for japanese video games

★ 102 2026-10-12
readur 开源

上传图片即出文字，自建 OCR 像用网盘一样简单

Quick, painless, intuitive OCR platform written in Rust and TypeScript. Modern UI wi···

★ 814 2026-09-19
iOS-OCR-Server 开源

把 iPhone 变成局域网 OCR 接口

An iOS OCR Server Using Apple’s Vision Framework

★ 2102 2026-10-27
manga-image-translator 开源

一键翻译漫画图片文字，自动抹除替换，阅读无国界

Translate manga/image 一键翻译各类图片内文字 https://cotrans.touhou.ai/ https://grea···

★ 10592 2026-08-10
ComfyUI-MiniCPM 开源

在 ComfyUI 里直接调用 MiniCPM，给图像自动生成描述

A custom ComfyUI node for MiniCPM vision-language models, supporting v4, v4.5, and v···

★ 156 2026-08-09
MovieChat 开源

把整部电影装进模型，问啥答啥，长视频理解不再难。

[CVPR 2024] MovieChat: From Dense Token to Sparse Memory for Long Video Understandin···

★ 711 2026-08-09
ovam 开源

用扩散模型生成精准的开放词汇语义分割图

Code for the paper Open-Vocabulary Attention Maps with Token Optimization for Semant···

★ 70 2026-08-09
visionworkbench 开源

NASA 出品的 C++ 视觉工具箱，做高精度图像配准与三维重建

The NASA Vision Workbench is a general purpose image processing and computer vision ···

★ 504 2026-09-18
ladi-vton 开源

上传衣服和模特图，AI 生成自然逼真的试穿效果

[ACM MM 2023] - LaDI-VTON: Latent Diffusion Textual-Inversion Enhanced Virtual Try-O···

★ 466 2026-08-09