Tesseract OCR：基於 LSTM 神經網路的開源多語言文字識別引擎

Tesseract 源自惠普實驗室、由 Google 長期維護並開源的業界標竿級光學字符識別（OCR）引擎。它主要解決從影像中自動提取文字的難題，廣泛應用於文件數位化、發票處理及行動裝置識別場景。其核心差異化能力在於第四版引入的基於 LSTM 神經網路的識別引擎，相較於傳統的基於字元模式比對的舊引擎，在行級識別精度上實現了質的飛躍。Tesseract 支援 UTF-8 編碼，開箱即用支援超過 100 種語言，並提供從純文字到 hOCR、PDF、TSV 等多種輸出格式。儘管它本身不內建 GUI，但憑藉以 C++ 編寫的高效能核心 libtesseract 和活躍的社群貢獻，它已成為開發者整合 OCR 功能的首選底層函式庫，特別適合需要高度客製化訓練資料或嵌入自有應用程式的企業級開發場景。