OCR

Для продвинутых пользователей и языковых моделей

OCR читает текст, который нельзя выделить: картинки, сканы в PDF, кадры видео, окна приложений. Своего движка распознавания в нём нет, он соединяет две вещи, которые в macOS уже есть: выделение экрана из screencapture и Vision от Apple. Распознавание идёт на самом Mac, без интернета. Без истории, без логов.

Как это устроено

• Выделение это /usr/sbin/screencapture -i, тот же прицел, что у Shift-Command-4. Картинка попадает во временный файл, который удаляется сразу после чтения.
• Vision читает её на точном уровне с исправлением по языку; без исправления русский превращается в шум. На macOS 15 и новее через Swift RecognizeTextRequest, на 13 и 14 через VNRecognizeTextRequest.
• Картинка читается увеличенной в 1,5 раза, так меньше всего ошибок в коде и мелком тексте, и ещё в своём размере; это чтение побеждает, только если нашло явно больше текста.
• Картинки больше 2000 x 1300 пикселей читаются ещё и по частям: Vision уменьшает большие картинки и теряет мелкие строки и первые буквы.
• Если в области QR-код или другой штрихкод (VNDetectBarcodesRequest), копируется то, что в нём записано, а не текст.
• Vision один раз компилирует модель для каждой программы. OCR делает это при запуске и проверяет результат на известной тестовой карточке; неудачная сборка удаляется и делается заново, потому что она может молча терять целые строки.
• Одновременно идут не больше двух чтений: Vision занимает поток, пока работает, а больше сразу может повесить Mac с малым числом ядер.

Языки

Языки те, что есть у Vision в установленной macOS, приложение узнаёт их при запуске. Своего списка в нём нет, поэтому то, что добавит Apple, заработает без новой версии, а в старой macOS языков просто меньше. Выбирать язык не нужно: Vision определяет его построчно.

Измерено: 14 на macOS 13.7, 33 на macOS 27.2. Число зависит от macOS. Другие версии не считались.

macOS 13.7: английский, французский, итальянский, немецкий, испанский, португальский, китайский (упрощённый и традиционный), кантонский (упрощённый и традиционный), корейский, японский, русский, украинский.

В macOS 27.2 к ним добавляются: тайский, вьетнамский, арабский, неджди, турецкий, индонезийский, чешский, датский, нидерландский, норвежский, нюнорск, букмол, малайский, польский, румынский, шведский, финский, хинди, маратхи.

Vision берёт один язык на строку, поэтому слово на другой письменности внутри латинской или кириллической строки вышло бы бессмыслицей. OCR находит такие слова и читает их отдельно. Слово, где смешались похожие латинские и кириллические буквы, возвращается к своему основному алфавиту.

Вопросы

Работает без интернета?

Да. Распознаванию сеть не нужна; единственный сетевой вызов: проверка обновлений раз в день. Ссылки в окне открываются, только если по ним кликнуть.

Какое разрешение ему нужно и зачем?

Запись экрана, чтобы прочитать выделенную область. macOS спрашивает при первом запуске. Без разрешения каждое нажатие показывает одно и то же окно с кнопкой в Системные настройки.

Чем отличается от «Сканера текста» в macOS?

«Сканер текста» работает с картинками и видео внутри приложений, которые его поддерживают. OCR работает с любой областью экрана, в любом приложении, по одному сочетанию клавиш, и оставляет результат в буфере обмена. Оба читают распознаванием Apple.

Почему первый запуск долгий?

Vision один раз готовит модель для каждой программы. На macOS 27 это заняло около полуминуты. OCR делает это в фоне при запуске, чтобы следующие нажатия не ждали.

Почему macOS 13 и Apple silicon?

Ниже macOS 13 у Vision нет кириллицы и определения языка. Mac с Intel не поддерживаются.

Обновления

Раз в день приложение читает ленту своего последнего релиза на GitHub (appcast.xml) через Sparkle. О самом Mac ничего не отправляется. Когда выходит новая версия, окно показывает её с кнопками «Установить обновление», «Напоминать позже» и «Пропустить эту версию»; до «Установить обновление» ничего не скачивается. Проверка обновлений в окне проверяет сразу.

Лента и образ диска подписаны ключом EdDSA, а Sparkle ставит только приложение с той же подписью Developer ID.

Настройки и удаление

Он хранит сочетание клавиш и время последней проверки обновлений в defaults com.geragaraza.ocr и скомпилированную модель Vision в ~/Library/Caches/com.geragaraza.ocr.

Чтобы удалить OCR: «Выйти» в его окне, OCR.app в Корзину, defaults delete com.geragaraza.ocr и удаление той папки кэша. Запись экрана для него убирается в Системных настройках, «Конфиденциальность и безопасность».

Если ставили через Homebrew, brew uninstall --zap ocr закрывает его и удаляет приложение, настройки и кэш; запись экрана убирается в Системных настройках.

Из Терминала

/Applications/OCR.app/Contents/MacOS/OCR --file a.png b.png печатает текст картинок вместо копирования. --selftest запускает собственную проверку приложения.

Подробности

• Версия: 0.3.
• Идентификатор: com.geragaraza.ocr.
• Загрузка: OCR.dmg, 1,6 МБ.
• Нужно: Apple silicon, macOS 13 или новее.
• Разрешения: запись экрана. Сеть: только проверка обновлений.
• Подписано Developer ID и нотаризовано Apple.
• Интерфейс: английский, украинский, русский, по языку macOS.
• Код: Swift, AppKit и Vision, около 1 100 строк, и фреймворк Sparkle для обновлений.
• Лицензия: MIT. У Sparkle тоже MIT; его лицензия идёт вместе с приложением и лежит в THIRD-PARTY-LICENSES.md.