openmodelai/Imagt

Image — модель «изображение → текст»

Image — извлечение текста из изображений (OCR) на базе PP-OCRv4 (det + rec + cls, китайский и английский алфавиты). Веса встроены в ZIP-архив — работают без интернета, без GPU, без torch.

Что внутри

image/
├── image_text/             # Python-пакет: engine + CLI + HTTP-сервер
├── scripts/
│   ├── build_model.py      # извлечение встроенных весов в model/
│   └── publish_github.py   # упаковка ZIP + GitHub Release
├── tests/smoke_test.py     # сквозной тест на примере изображения
├── examples/sample.png     # пример изображения с текстом
├── model/                  # веса ONNX (извлекаются build_model.py)
├── requirements.txt
└── README.md / MODEL_CARD.md

Быстрый старт

python -m venv .venv
. .venv/bin/activate
pip install -r requirements.txt   # с оговоркой про opencv (см. ниже)

# 1. Извлечь веса из установленного пакета (или оставить как есть)
python scripts/build_model.py

# 2. Изображение → текст
python -m image_text.cli examples/sample.png
python -m image_text.cli examples/sample.png --json

# 3. Сквозной тест
python tests/smoke_test.py

⚠️ Установка OpenCV: rapidocr-onnxruntime требует opencv-python, который динамически связывается с libGL (его нет на некоторых серверах). Поэтому requirements.txt использует opencv-python-headless (без графики). Если pip всё равно ставит opencv-python — либо пропустите этот шаг, либо принудительно переустановите headless: pip install --force-reinstall --no-deps opencv-python-headless

HTTP-сервис

python -m image_text.server --port 8001

• GET / — мини-интерфейс в браузере (upload → текст)
• POST /ocr — raw-телом изображения → JSON {text, lines: [...]}

Как собрана модель

1. Веса PP-OCRv4 (det/rec/cls) встроены в wheel rapidocr-onnxruntime (PyPI) — они не скачиваются отдельными файлами.
2. scripts/build_model.py извлекает *.onnx + конфигурации из установленного пакета в model/, чтобы ZIP был самодостаточным.
3. Engine передаёт абсолютные пути к весам в RapidOCR(...).

Ограничения

• Распознаёт китайские и латиницу (включая цифры). Кириллица не поддерживается — нужен русский OCR? смотрите ниже.
• Для русского текста: tesseract с tessdata_fast (rus + eng) — теоретично собирается из git-репозиториев, но требует систему с toolchain (g++/cmake/ICU), поэтому в этот пакет не включён.
• Не модель «описания изображения» (captioning): Image — это OCR, т.е. текст, напечатанный на изображении.

Лицензия

Веса PP-OCR: Apache-2.0. Код: MIT.