超越传统OCR！一键部署谷歌最新成果InkSight：精准识别手写文字，中英文均无压力

过去，人们走进校园的第一课便是学习正确的握笔姿势，进而从基础的阿拉伯数字与汉语拼音开始学习写字，再逐步进阶到汉字与英文。很多时候，一个人的写字风格往往也与其性格特点息息相关，苍劲有力与豪迈洒脱，秀丽飘逸与优雅恬静……

如今，基于电脑、手机、平板电脑的电子记录在很多场景下快速取代了手写，「无纸化」也在环保降碳的大趋势下稳步推进。然而，手写文字仍然活跃在人们的日常生活中，例如学习笔记、临时起意的灵感创意等等，同时，古老的文献资料也多为手工抄录，将其转换为电子格式有助于长期存储或是即时检索。

针对于此，手写文字的准确识别至关重要，传统的光学字符识别 (OCR) 技术在面对背景杂乱、字迹模糊的情况往往表现不佳，导致识别准确率大打折扣。

近日，Google Research 发布了一项全新成果 InkSight，不同于 OCR 单纯地将笔迹转录到文本文档中，InkSight 能够捕捉手写文档的笔画集合，以一种更自然的方式实现手写文字的识别。

具体而言，研究人员提出了一种渲染方法，可以拍摄手写文字的图片，并提取出书写的笔画，同时还摆脱了对典型几何结构的依赖（即利用图像中的渐变、轮廓和形状来提取书写笔画），取而代之的是，训练模型模仿人类去理解「阅读」和「书写」，前者能识别书面文字，后者能输出类似手写的笔画，并通过不断地重写和学习手写文本，积累对文字外观和含义的理解。

现在，HyperAI超神经官网的教程版块已上线「InkSight 将手写文字数字化 Demo」，一键克隆即可在线体验！快来将你的「墨宝」转换成电子格式吧~

教程链接：

https://go.hyper.ai/DR89z

Demo 运行

1. 登录 hyper.ai，在「教程」页面，选择「InkSight 将手写文字数字化 Demo」，点击「在线运行此教程」。

2. 页面跳转后，点击右上角「克隆」，将该教程克隆至自己的容器中。

3. 点击右下角「下一步：选择算力」。

4. 页面跳转后，选择「NVIDIA GeForce RTX 4090」以及 「PyTorch」镜像，并根据自身需求选择「按量付费」或者「包日/周/月」，点击「下一步：审核」。新用户使用下方邀请链接注册，可获得 4 小时 RTX 4090 + 5 小时 CPU 的免费时长！

HyperAI超神经专属邀请链接（直接复制到浏览器打开）：

https://openbayes.com/console/signup?r=Ada0322_QZy7

5. 确认无误后，点击「继续执行」，等待分配资源，首次克隆需等待 3 分钟左右的时间。当状态变为「运行中」后，点击「API 地址」边上的跳转箭头，即可跳转至 Demo 页面。请注意，用户需在实名认证后才能使用 API 地址访问功能。

因模型过大，容器显示运行中后，需要稍微等待 1 分钟左右的时间再打开 API 地址，否则会显示 BadGateway。

效果展示

打开 Demo 界面后，教程分为「单词转写 Word-level inference」与「整页撰写 Full page inference」两种模式，注意：「单词转写」仅适用于单个文字或单词的识别。

小编献丑了，手写了「万事顺意」，以及一段「阿甘正传」中的经典台词，中文与英文都准确识别！

单词转写

「阿甘正传」英文台词转写

我们建立了「Stable Diffusion 教程交流群」，欢迎小伙伴们入群探讨各类技术问题、分享应用效果~

添加神经星星微信（微信号：Hyperai01），备注「SD 教程交流群」，即可加入群聊。