OCR

Для досвідчених користувачів і мовних моделей

OCR читає текст, який не можна виділити: зображення, скани в PDF, кадри відео, вікна застосунків. Власного рушія розпізнавання в ньому немає, він поєднує дві речі, які в macOS уже є: виділення екрана із screencapture і Vision від Apple. Розпізнавання йде на самому Mac, без інтернету. Без історії, без логів.

Як це влаштовано

• Виділення це /usr/sbin/screencapture -i, той самий приціл, що в Shift-Command-4. Зображення потрапляє в тимчасовий файл, який видаляється одразу після читання.
• Vision читає його на точному рівні з виправленням за мовою; без виправлення російська перетворюється на шум. На macOS 15 і новіших через Swift RecognizeTextRequest, на 13 і 14 через VNRecognizeTextRequest.
• Зображення читається збільшеним в 1,5 раза, так найменше помилок у коді та дрібному тексті, і ще у своєму розмірі; це читання перемагає, лише якщо знайшло явно більше тексту.
• Зображення більші за 2000 x 1300 пікселів читаються ще й частинами: Vision зменшує великі зображення і губить дрібні рядки та перші літери.
• Якщо в області QR-код або інший штрихкод (VNDetectBarcodesRequest), копіюється те, що в ньому записано, а не текст.
• Vision один раз компілює модель для кожної програми. OCR робить це під час запуску і перевіряє результат на відомій тестовій картці; невдала збірка видаляється і робиться заново, бо вона може мовчки губити цілі рядки.
• Одночасно йдуть не більше двох читань: Vision займає потік, поки працює, а більше одразу може повісити Mac із малою кількістю ядер.

Мови

Мови ті, що є у Vision у встановленій macOS, застосунок дізнається про них під час запуску. Власного списку в ньому немає, тому те, що додасть Apple, запрацює без нової версії, а в старій macOS мов просто менше. Вибирати мову не потрібно: Vision визначає її порядково.

Виміряно: 14 на macOS 13.7, 33 на macOS 27.2. Число залежить від macOS. Інші версії не рахували.

macOS 13.7: англійська, французька, італійська, німецька, іспанська, португальська, китайська (спрощена і традиційна), кантонська (спрощена і традиційна), корейська, японська, російська, українська.

У macOS 27.2 до них додаються: тайська, в’єтнамська, арабська, недждійська, турецька, індонезійська, чеська, данська, нідерландська, норвезька, нюношк, букмол, малайська, польська, румунська, шведська, фінська, гінді, маратхі.

Vision бере одну мову на рядок, тому слово іншою писемністю всередині латинського чи кириличного рядка вийшло б нісенітницею. OCR знаходить такі слова і читає їх окремо. Слово, де змішалися схожі латинські та кириличні літери, повертається до свого основного алфавіту.

Запитання

Чи працює без інтернету?

Так. Розпізнаванню мережа не потрібна; єдиний мережевий виклик: перевірка оновлень раз на день. Посилання у вікні відкриваються, лише якщо по них клікнути.

Який дозвіл йому потрібен і навіщо?

Запис екрана, щоб прочитати виділену область. macOS питає під час першого запуску. Без дозволу кожне натискання показує те саме вікно з кнопкою до Системних параметрів.

Чим відрізняється від «Тексту наживо» в macOS?

«Текст наживо» працює із зображеннями та відео всередині застосунків, які його підтримують. OCR працює з будь-якою областю екрана, у будь-якому застосунку, за одним скороченням клавіш, і залишає результат у буфері обміну. Обидва читають розпізнаванням Apple.

Чому перший запуск довгий?

Vision один раз готує модель для кожної програми. На macOS 27 це забрало близько пів хвилини. OCR робить це у фоні під час запуску, щоб наступні натискання не чекали.

Чому macOS 13 і Apple silicon?

Нижче macOS 13 у Vision немає кирилиці та визначення мови. Mac з Intel не підтримуються.

Оновлення

Раз на день застосунок читає стрічку свого останнього релізу на GitHub (appcast.xml) через Sparkle. Про сам Mac нічого не надсилається. Коли виходить нова версія, вікно показує її з кнопками «Встановити оновлення», «Нагадати пізніше» і «Пропустити цю версію»; до «Встановити оновлення» нічого не завантажується. Перевірка оновлень у вікні перевіряє одразу.

Стрічку й образ диска підписано ключем EdDSA, а Sparkle встановлює лише застосунок із тим самим підписом Developer ID.

Налаштування та видалення

Він зберігає скорочення клавіш і час останньої перевірки оновлень у defaults com.geragaraza.ocr і скомпільовану модель Vision у ~/Library/Caches/com.geragaraza.ocr.

Щоб видалити OCR: «Вийти» в його вікні, OCR.app у Кошик, defaults delete com.geragaraza.ocr і видалення тієї теки кешу. Запис екрана для нього прибирається в Системних параметрах, «Приватність і безпека».

Якщо ставили через Homebrew, brew uninstall --zap ocr закриває його й видаляє застосунок, налаштування і кеш; запис екрана прибирається в Системних параметрах.

З Термінала

/Applications/OCR.app/Contents/MacOS/OCR --file a.png b.png друкує текст зображень замість копіювання. --selftest запускає власну перевірку застосунку.

Подробиці

• Версія: 0.3.
• Ідентифікатор: com.geragaraza.ocr.
• Завантаження: OCR.dmg, 1,6 МБ.
• Потрібно: Apple silicon, macOS 13 або новіша.
• Дозволи: запис екрана. Мережа: лише перевірка оновлень.
• Підписано Developer ID і нотаризовано Apple.
• Інтерфейс: англійська, українська, російська, за мовою macOS.
• Код: Swift, AppKit і Vision, близько 1 100 рядків, і фреймворк Sparkle для оновлень.
• Ліцензія: MIT. У Sparkle теж MIT; його ліцензія йде разом із застосунком і лежить у THIRD-PARTY-LICENSES.md.