TesseractOCR语言模型包

TesseractOCR 的语言包是搞文字识别绕不开的资源。训练好的traineddata文件能让 Tesseract 支持上百种语言，像中文、英文、西班牙语啥的全都能搞定。你要做的，就是把这些文件扔进它的tessdata目录，配置一下语言参数，文字识别的效果立马不一样，识别率也高不少。

Tesseract 的traineddata文件本质上就是训练好的模型，包含了字体、字符形状还有各种语言的使用频率。换句话说，它能帮 Tesseract 更聪明地“看图识字”，不管是 PDF 截图、表单，还是验证码，照样能认出来。

支持的平台也挺多，Windows、Linux、MacOS都 OK，用tesseract -l chi_sim就能切中文识别。社区更新也蛮快，GitHub 上还能找到最新的包和训练工具，如果你想自己训练新的模型，也是可以的，灵活得。

中文用得最多的是chi_sim，识别简体字还不错。如果你用的是某些含中文的 App，比如发票识别、资料数字化，这包就挺好用的。下载的话，像chi_sim.traineddata这种直接可用，挺方便。

如果你做 OCR 项目，不想受限于商业方案，那 Tesseract 加上这些语言包就是个不错的组合。反应快，资源全，关键是开源免费，用起来没啥心理负担。

哦对了，安装别忘了路径要对，语言参数也别写错，常见的用法是tesseract input.png output -l chi_sim，你懂的～