无需GPU的轻量级日语OCR：开源工具NDLOCR-Lite完整介绍

NDLOCR-Lite是由日本国立国会图书馆（NDL）实验室开源的一款轻量级日语 OCR（光学字符识别）工具。它的最大特点是完全不需要 GPU，仅凭笔记本或普通家用的 CPU 就能高速把图书、杂志等扫描图片转成文本，非常适合想在本地批量做日文资料数字化、又不想折腾显卡的新手用户。

什么是 NDLOCR-Lite？

简单来说，NDLOCR-Lite 是一个把「图片」变成「文字」的开源程序。它针对日语（横排 + 竖排）做了专门优化，把扫描书页、报纸、杂志等影像文件识别为结构化文本。

它是更完整版 NDLOCR 的「轻量版」，目标是让普通人在家庭电脑上也能顺畅使用。项目基于 CC BY 4.0 许可 开放，开发者还基于 ONNX 模型让识别过程能在纯 CPU 上跑起来。

💡 从 v1.2 版本开始，工具还显著强化了手写文字的识别能力，连手写日记也能尝试转成文字。

为什么「轻量级」？三大核心优势

它是怎么工作的？三大功能模块

NDLOCR-Lite 把一次 OCR 拆成三个协同工作的模块，这也是它识别稳定的关键：

1. 布局识别（Layout Recognition）用 DEIMv2 检测模型找出页面里的文字块、文字行、图片、表格等区域。其骨干网络是一个从 DINOv3 蒸馏而来的ViT-Tiny小模型，因此速度快、体积小。 检测类别配置见 src/config/ndl.yaml，涵盖text_block、line_main、block_table等 16 类版面元素。

2. 文字列识别（Text Line Recognition）对每一行文字，使用 PARSeq 模型读出具体的字符串。它采用级联策略：内置 30 / 50 / 100 字三种长度的模型，短行用小模型、长行才调用大模型，从而在速度与精度之间取得平衡（模型文件位于 src/model/）。

3. 读序整序（Reading Order Reorder）日文有横排、竖排、竖中横等多种排版，这一步负责把打乱的行按正确阅读顺序重新排序，模块代码在 src/reading_order/ 下。

上图中的黑框是「版面块」，红框是「单行文字」，正是布局识别模块在页面上画出的识别结果。

两种使用方式：图形界面 or 命令行

方式一：桌面应用（推荐给新手）

下载并解压对应操作系统的压缩包，双击ndlocr_lite运行即可（注意：存放路径不要包含日文全角字符，否则可能无法启动）。

操作只需三步：

1. 选择要 OCR 的图片文件夹或直接选单张图片 / PDF
2. 选择输出目录
3. 点击「OCR」按钮，完成后即可在界面里预览识别结果

⚠️ 首次启动可能需要约 1 分钟来加载模型，请耐心等待。macOS / Windows 首次运行可能弹出安全提示，按系统指引「允许运行」即可。

方式二：命令行（推荐给进阶用户）

需要先安装Python 3.10 及以上，然后克隆仓库并安装依赖：

git clone https://gitcode.com/gh_mirrors/nd/ndlocr-lite cd ndlocr-lite pip install -r requirements.txt cd src

批量处理一个目录：

python3 ocr.py --sourcedir 9892834_0001 --output tmpdir

处理单张图片：

python3 ocr.py --sourceimg digidepo_1287221_00000002.jpg --output tmpdir

如果你使用uv，一条命令即可装成全局命令ndlocr-lite：

git clone https://gitcode.com/gh_mirrors/nd/ndlocr-lite cd ndlocr-lite uv tool install .

常用参数说明（详见 src/ocr.py）：

识别效果展示

下面分别展示活字印刷书页、竖排版面与手写文字的实际识别效果。

工具的输出不只是纯文字，而是带位置信息的结构化结果，方便后续校对与排版：

• .txt：纯文本，最易读
• .xml：保留每行的坐标、类型、置信度等信息
• .json：包含每行的包围盒（bounding box）、是否竖排、文本内容等

官方还在 evaluation_jptype.csv 中公开了针对日语活字图书与杂志的F 值识别评测结果。

进阶：模型再训练与自定义（开发者向）

如果你有自有数据，可以替换或微调内置模型。完整的训练与 ONNX 转换流程写在 train/README.md：

• 布局识别（DEIMv2）：训练代码与配置在 train/deimv2code/，用--det-weights指定新的 onnx 文件
• 文字列识别（PARSeq）：训练代码在 train/parseqcode/，用--rec-weights/--rec-weights30/--rec-weights50指定不同长度模型

训练基于 PyTorch 框架，再统一导出为 ONNX 供 CPU 运行。

运行环境与许可

• 依赖清单：requirements.txt（核心是onnxruntime、opencv、pillow、numpy、pypdf等，均偏 CPU 友好）
• 桌面应用：基于 Flet 构建，源码在 ndlocr-lite-gui/，ndlocr-lite-gui/README.md 介绍了各系统的自行构建方法
• 开源许可：程序本体遵循 CC BY 4.0；因布局识别骨干使用了 DINOv3 蒸馏模型，若使用随附的预训练模型需同时遵守 DINOv3 的相应许可

小结

NDLOCR-Lite 是一款免费、开源、无需 GPU 的日语 OCR 工具，把「布局识别 + 文字识别 + 读序整序」三大能力打包，让普通笔记本就能完成图书、杂志、手写稿的文本化。无论你是想快速把纸质资料数字化的新手，还是希望定制模型的开发者，都能从它身上找到合适的使用方式。