福建
上礼拜给老家寄体检报告，翻出一叠泛黄的化验单——全是手写加打印混排的玩意儿。拍照发微信？亲戚说字太小看不清；传网盘让闺女帮忙打字？她回我一句：“爸，这得识别啊，但你别传云端……咱家那张2016年的医保单，现在还躺在某厂服务器里呢。”话音刚落，我手就顿住了。那一刻才真明白：不是我们不用OCR，是压根不敢用。
后来翻GitHub冷门区，刷到一个更新停在2023年9月的项目：TrWebOCR。没广告、没登录页、没“欢迎使用XX云服务”的弹窗，就一行字——“All in your machine”。点进去看commit记录，最近一次合并是修复了中文顿号识别偏移的问题，作者署名带个邮箱后缀是@foxmail.com，看着像真人。镜像拉下来1.2GB，比我家NAS上跑着的Nextcloud还轻快。
我直接甩进群晖Container Manager，端口映射8089，顺手勾了“自动重启”。重启完连WiFi手机扫了下NAS局域网IP，页面弹出来那一刻，我愣了三秒——白底灰框，一个上传按钮，底下写着“支持JPG/PNG/BMP，最大20MB”。没有引导视频，没有新手教程，甚至没写“请先阅读文档”。我就把那张化验单截图拖进去，点了识别。5秒后，JSON里跳出7行文本，连“ALT 42 U/L”里的斜杠都对上了，坐标值精确到像素，置信度最低是0.81。
当然不是没坑。试繁体版《苹果日报》PDF截图时，把“臺”字认成“台”，但保住了“北”字结构；横拍的发票斜着放，它自己转正了再切字，连“￥”符号都没丢；可一旦碰上竖排的旧式药方，“君”字和“臣”字上下叠着排，它直接当两行空白放过。有次识别会议纪要照片，右侧插图被框进文字区域，输出全是“[]”，我只好掏出Photoshop手动裁掉右1/4——这事儿干得挺土，但真管用。
API调用更让我上头。写了个Py脚本往本地发POST请求，不到十行，识别结果直接塞进Excel表格。后来索性配上Python watchdog，监控NAS一个文件夹，新PDF扔进去，自动转图→识别→存TXT。上周五晚上11点，它默默处理完43份合同扫描件，我睡醒发现文件夹里多出43个同名.TXT，第一行全是“甲方：_________”。
它不吃AVX指令集，老i5-4590能跑；不挑系统，我试过Ubuntu 20.04和CentOS 7.9，连Docker Desktop for Mac都溜得起来。唯一让人捏把汗的是——服务裸奔在局域网，没设密码。有天我忘了关端口，用手机浏览器输错地址，误进隔壁同事电脑的JupyterLab登录页……这事之后，我连夜配了Nginx反向代理，加了基础认证，密码设成“trwebocr2023！”——带感叹号那种。
社区确实安静，issue区最新一条是问“能不能加粤语模型”，作者回：“Tr引擎暂不支持音节建模，但欢迎PR”。没人喊“生态共建”，也没人推付费企业版。就那么放着，像台老式收音机，插上电，调对频，就能听清字。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
