Este artículo esComparativa: Cuando ejecuto el OCR localmente, utilizoCopias escaneadas en chino e inglés del mismo loteComparación PaddleOCRyRapidOCRyTesseract. Lo que hay que comparar son los costes de instalación, los resultados en chino, la velocidad y la facilidad de implementación, no los eslóganes de las marcas. Cuando termines de leer esto, deberías poder elegir uno para instalarlo esta misma noche y conseguir que funcione con el reconocimiento mínimo.
Introducción a la evaluación comparativa: ¿cómo controlo las variables en un mismo lote de escaneos?
Conclusión previa: no existe un OCR que sea «siempre el mejor», sino solo el mejor para «tu equipo, este lote de documentos escaneados y el presupuesto asignado esta semana». Controlo cinco aspectos: un mismo lote de unas 20 imágenes (documentos en chino, instrucciones en inglés y varios documentos con texto mixto en chino e inglés); la misma resolución y el mismo formato de compresión; el mismo portátil o el mismo pequeño servidor en la nube; el registro del tiempo de instalación, los errores ortográficos en los campos clave en chino y el tiempo medio por página; la salida debe ser lo más uniforme posible en formato «texto + coordenadas de los campos opcionales». Queda prohibido comparar resultados utilizando diferentes flujos de trabajo de preprocesamiento, ya que eso es comparar el procesamiento, no el motor.
Este artículo está dirigido a proyectos individuales y equipos pequeños de hasta tres personas: archivo de documentos, digitalización y búsqueda de contratos, y transcripción de textos antes de su incorporación a una base de datos local. Si ya has adquirido un servicio de OCR comercial en la nube y estás vinculado a un proveedor por motivos de cumplimiento normativo, esta comparativa te resultará de poca utilidad; en ese caso, basta con consultar el acuerdo de nivel de servicio (SLA) del proveedor.
El día de la evaluación establecí lo siguiente: la mitad de las imágenes originales en escala de grises y la otra mitad en color; no recortar manualmente las tablas (eso se hace en la fase de posprocesamiento); definir los «campos clave» en chino como las palabras que aparecen en las cuatro categorías: encabezado, importe, fecha y nombre. Las tres secciones siguientes se redactaron siguiendo la misma plantilla y se cerraron con una tabla al final.

PaddleOCR: un entorno y un ecosistema más completos para el chino
Para quién es adecuado: para quienes trabajan con documentos en chino, formularios y maquetaciones complejas; para quienes aceptan la dependencia del ecosistema de Paddle; en el futuro, podría incluir clasificación direccional y análisis de maquetación. Para quién no es adecuado: para quienes solo quieren ver una demostración de cinco minutos en un entorno puramente ONNX o con un pip minimalista, y a quienes les resulta especialmente complicado instalar Paddle en su equipo.
Impresiones tras la instalación: la documentación oficial es clara; tras la instalación con pip, se descargan los modelos; ocupa más espacio que «un pequeño ONNX». Para alguien como yo, que da prioridad a los resultados en chino, suele merecer la pena durante la primera semana. Hay muchos ejemplos de la API de Python y también abundan los recursos en chino de la comunidad.
Resultados en chino: en mis documentos escaneados del mismo lote, el chino en letra de imprenta y los campos habituales de los documentos suelen ofrecer resultados más estables; la mezcla con inglés también es aceptable. Velocidad: en la CPU, es algo más lenta que las soluciones ONNX puramente ligeras; en la GPU, la experiencia visual es mucho mejor. Implementación: hay que crear una capa propia para convertirlo en un servicio; el modelo y la versión deben fijarse, ya que, de lo contrario, los resultados varían al cambiar de equipo.
Errores comunes: las dependencias y el tamaño del modelo pueden desanimar a quienes «solo quieren reconocer diez imágenes»; otro error es desajustar los parámetros de la cadena de detección + reconocimiento, lo que hace que los recuadros de recuperación se desvíen. Primero, ejecuta el proceso con la configuración predeterminada en chino; ya luego hablaremos de ajustar los parámetros.
También voy a incluir una columna aparte para el «tipo de maquetación»: párrafos puros, dos columnas, líneas de tabla y sellos superpuestos. PaddleOCR suele dar mejores resultados en casos de tablas y sellos; pero si solo necesitas reconocer el encabezado de un recibo sencillo, quizá no merezca la pena dedicarle tiempo a instalarlo. Anota los casos de uso en tus notas de selección para no dejarte llevar por comentarios del tipo «dicen que es el mejor para el chino».

RapidOCR: implementado en ONNX, más fácil de usar
Para quién es adecuado: para quienes buscan un funcionamiento sin conexión, compatibilidad con distintos backends (como ONNX Runtime) y rutas de pip cortas; admite por defecto tanto el chino como el inglés. Para quién no es adecuado: si estás profundamente vinculado a Paddle para entrenar tu propio modelo de detección y necesitas integrar a la perfección el mismo conjunto de scripts de entrenamiento, en ese caso es mejor que te quedes en el ecosistema de PaddleOCR.
Impresión tras la instalación: Recomendado por el fabricante pip install rapidocr onnxruntime Una vía que resulta sencilla de manejar. El proyecto surgió con el objetivo de adaptar el modelo PaddleOCR a un formato más fácil de implementar, lo que facilita su ejecución «en el propio dispositivo».
Resultados en chino: en las comparativas entre lotes, el chino en letra de imprenta suele acercarse al rendimiento de su modelo de origen; en casos de borrosidad extrema o perspectiva marcada, los tres modelos pierden rendimiento, así que no hay que idealizarlo. Velocidad: suele ofrecer buenos resultados en la CPU, por lo que es adecuado para scripts de procesamiento por lotes. Implementación: la compatibilidad con múltiples idiomas y múltiples backends es uno de sus puntos fuertes; bloquea la versión y el hash del archivo del modelo para evitar actualizaciones silenciosas.
Errores a tener en cuenta: la documentación y el nombre del paquete pueden cambiar con cada versión mayor, por lo que copiar los comandos de un blog de hace un año dará error; hay que guiarse por el README del repositorio actual. Otro error común es fijarse solo en que las imágenes de demostración se vean bien, sin comprobar la tasa de errores tipográficos en el propio archivo comprimido escaneado.
En el script de procesamiento por lotes he establecido lo siguiente: un reintento en caso de fallo, interrupción en caso de tiempo de espera agotado y registro de la ruta de la imagen original en la lista de errores. RapidOCR es ideal para tareas nocturnas, pero lo que más tememos en estas tareas son los «éxitos parciales silenciosos»: parece que se ha completado, pero en realidad un tercio de los resultados son vacíos. Los resultados vacíos deben generar una alerta, en lugar de limitarse a mostrar una línea de información.
Tesseract: un clásico de código abierto, presente en multitud de paquetes del sistema
Para quién es adecuado: sistemas que ya cuenten con paquetes apt/brew; con una interfaz principalmente en inglés o sencilla; para quienes prefieran la línea de comandos tesseract img out -l eng+chi_sim Resultados inmediatos. No es adecuado para: maquetaciones complejas en chino, documentos con curvas o estructuras de tablas muy rígidas; dedicarás mucho tiempo al preprocesamiento, en lugar de que «el motor se encargue automáticamente».
Impresiones tras la instalación: es habitual en los gestores de paquetes de Linux; hay que instalar por separado los paquetes de idiomas (como chi_sim). En Python se puede utilizar pytesseract como envoltorio. El modelo mental es tradicional pero sólido: imagen de entrada → texto de salida.
Resultados en chino: dentro de un mismo lote, la impresión nítida ofrece resultados aceptables, mientras que los diseños complejos en chino y los escaneos con ruido suelen dar resultados inferiores a los dos anteriores (aunque esto sigue dependiendo del entrenamiento y el preprocesamiento). Velocidad: muy rápido en escenarios sencillos. Implementación: el binario funciona en cualquier entorno y es fácil de instalar en contenedores; no esperes que resuelva por sí solo la «conversión de tablas a JSON estructurado».
Errores comunes: olvidarse de instalar el paquete de idioma chino y luego quejarse de que «el chino sale todo desordenado»; importar directamente fotos tomadas con el móvil que tienen muchos artefactos JPEG sin aplicarles un proceso de binarización. Tesseract requiere un preprocesamiento; esto no es un defecto, sino una cuestión de etapas.
Si tu flujo de trabajo ya incluye el preprocesamiento de OpenCV (corrección de la inclinación, eliminación de sombras y umbral adaptativo), Tesseract puede seguir siendo la opción más rentable para contratos en inglés y formularios sencillos. No lo descartaría por ser «antiguo»; te preguntaría: ¿qué tan nítimas son tus imágenes? ¿Qué tan denso es el texto en chino? ¿Necesitas recuadros estructurados?
También hay que echar un vistazo a las licencias y al contexto de implementación: hay que indicar el paquete de idioma de la distribución y la versión del motor en las instrucciones de entrega, para evitar que falte «chi_sim» en el entorno del cliente. El hecho de que se pueda reproducir desde la línea de comandos es una ventaja frente a la «magia de Python puro».
Tabla comparativa y conclusiones para la selección del modelo
| dimensión (matem.) | PaddleOCR | RapidOCR | Tesseract |
|---|---|---|---|
| Costes de instalación (equipo personal) | Dependencias y modelos pesados | Ruta corta con pip + ONNX | Paquetes del sistema habituales; se necesita el paquete de idioma |
| Impresión en chino / Documentos | Los de la misma remesa suelen ser más estables | Más cerca de la parte superior del proceso, con una implementación más ligera | Se puede imprimir con claridad; no es adecuado para maquetaciones complejas |
| Impresión de velocidad (CPU) | Media; la GPU ofrece una experiencia más fluida | Ventaja habitual | Escenarios ligeros y rápidos |
| Fácil de implementar | Con un ecosistema completo, los servicios deben ser gestionados de forma autónoma | Múltiples back-ends, buena ingeniería | La CLI y los contenedores están por todas partes |
| Mi sugerencia por defecto | Se da prioridad a los diseños complejos en chino | Implementación ligera de ONNX | Inglés / Diseño sencillo / Ya está disponible en el sistema |
Resumen para la elección: si hay muchos documentos en chino → empieza con PaddleOCR; si se busca un ONNX ligero y una ruta de instalación corta → RapidOCR; si predominan los documentos en inglés o el sistema ya cuenta con Tesseract → utilízalo primero para validar el preprocesamiento. No instales los tres programas de una vez «para probarlos todos» y luego cambies el preprocesamiento: para controlar las variables, es necesario utilizar el mismo lote de imágenes; en la ejecución, primero hay que completar un ciclo cerrado.
Además, hay que plantearse dos cuestiones relacionadas con la implementación: en primer lugar, si se puede trabajar sin conexión (en la red interna, a menudo se prohíbe descargar modelos desde la red externa); y, en segundo lugar, si se puede aceptar descargar por primera vez un modelo de varios cientos de megabytes. Los paquetes sin conexión deben incluirse en la imagen del sistema con antelación. Para probarlo en un portátil personal, se puede descargar en el momento; sin embargo, los scripts que se entreguen a los clientes deben «funcionar sin conexión», de lo contrario te llamarán para que arregles el entorno allí mismo.
Un último recordatorio: las conclusiones de la comparativa solo se basan en «tu distribución de escaneos». Si utilizas albaranes escritos a mano o formularios de máxima confidencialidad, el orden de la clasificación podría cambiar. Tratar el conjunto de muestras como una versión de un activo resulta más útil que guardar una reseña.
Aplicación esta noche: instalación tras la selección y reconocimiento mínimo

De las tres rutas mínimas que se indican a continuación, elige una y sigue los pasos. Los criterios de aceptación son los mismos: un mismo lote de 5 imágenes → comprobar manualmente los campos clave en chino → exportar el texto o el JSON → anotar la ruta del modelo o del paquete de idiomas.
Ruta A · PaddleOCR (según el README oficial actual)
pip install paddlepaddle paddleocr # Sigue las instrucciones de la página web para elegir entre CPU o GPU
# Python: from paddleocr import PaddleOCR
# ocr = PaddleOCR(...) # Configuración para chino e inglés según la documentación
# result = ocr.ocr("scan_01.png")
# Escribir las líneas de texto en out/scan_01.txt
Vía B · RapidOCR
pip install rapidocr onnxruntime
# from rapidocr import RapidOCR
# engine = RapidOCR()
# result = engine("scan_01.png")
# Imprimir el texto; si necesitas visualizarlo, sigue las instrucciones del documento «vis»
Ruta C · Tesseract
sudo apt-get install -y tesseract-ocr tesseract-ocr-chi-sim
tesseract scan_01.png out/scan_01 -l chi_sim+eng
# o el paquete pytesseract, que incluye el mismo paquete de idiomas
Puntos clave de la configuración.Fijar las versiones de las dependencias; indicar la ruta del modelo o del paquete de idiomas en el archivo README; en el script, ejecutar primero 5 imágenes y luego abrir otras 20; alinear el nombre del archivo de salida con el nombre base de la imagen original, para facilitar la comprobación aleatoria.
Investigación de un accidente.El chino aparece totalmente desordenado: comprueba primero si el paquete de idioma o el modelo son realmente en chino. El resultado es irregular: comprueba si se ha cambiado el archivo comprimido o la resolución. Funciona muy lento: comprueba si hay una configuración demasiado pesada activada en la CPU o si el directorio se encuentra en una unidad de red. Salida vacía: comprueba si la imagen es en realidad una captura de pantalla vectorial guardada como una imagen casi blanca, o si se ha producido un error al leer los permisos.
Añado una sección sobre «cómo registrar las muestras aleatorias de un mismo lote». Utilizo una tabla con los siguientes campos: nombre del archivo, motor, tiempo empleado en milisegundos, corrección manual de los campos clave y observaciones. Las primeras 5 deben revisarse manualmente; de las 15 siguientes, se pueden seleccionar 5 al azar. Si alguien dice «me parece que Rapid es más rápido» sin aportar una tabla, no lo tendré en cuenta a la hora de sacar conclusiones.
Si los tres fallan por completo en un tipo concreto de imágenes (reflejos intensos, inclinación excesiva, predominio de la escritura a mano), hay que dejar de lado la disputa sobre el motor y establecer primero unas normas de captura: iluminación adicional, alineación correcta y resolución mínima. El motor no puede salvar la falta de disciplina en la captura.
Conclusión: el objetivo de la comparación horizontal no es que guardes tres listas de resultados, sino que esta noche elijas una, compruebes que el reconocimiento funciona correctamente con el mismo lote de documentos escaneados y conserves un texto que puedas volver a revisar. Una vez que tengas el proceso cerrado, ya podrás leer mañana la comparación en formato de artículo académico.


评论列表 (0条):
加载更多评论 Cargando...