哪個版本的Tesseract用於培訓新語言？

Question

我正在尋求建議我應該使用Tesseract的哪個版本來訓練具有獨特字母的古代語言。在特性方面，該語言與阿拉伯語非常相似。它也從右到左，一些字母可以連接在單詞中。換句話說，一封信可能有三種形狀，取決於它是在開始，中間還是結束。它也有harakat（short vowel marks），出現在字母上方或下方。

我問的原因是因爲我想利用版本3.X的可用工具，但this warning關於阿拉伯語扔我離開，因爲這種語言是非常相似。

對於任何熟悉Tesseract的人，您推薦使用哪種版本來訓練這種語言？另外，如果您知道更好的工具，請分享它。

Answer 1

如果你有大量的文件需要OCR，建議使用Tesseract 4.0，因爲它的速度更快。如果您以前沒有閱讀過這些內容，您可以參考以下內容獲取更多信息。

1. Tesseract 4.0 Accuracy and Performance
2. Tesseract 4.0 with LSTM
3. Training Tesseract 4.0
4. Language Data File for 4.0，你可能有一個測試，看看是否Arbic OCR在OCR引擎模式1工作正常（即--oem 1），這是神經網僅LSTM。

Tesseract 4.0.0 alpha自去年11月/ 12月以來已經發布。

希望得到這個幫助。