今天遇到一个关于手机长截图ocr的问题，记录一下询问各个gpt的结果

问题背景

有个手机长截图的图片需要ocr，尺寸是: 750x16486，使用的是RapidOCR。
之前用的代码是：

engine = RapidOCR()

这个代码识别出来的字符没有一个正确的，然后就问gpt了，简单记录心路历程，有些细节略过。（懒得看文档路过，实际上沉下心来看文档是最节约时间的 😅）

用的prompt（写的不够精确可能也是个问题）：RapidOCR识别手机长截图的时候，识别错误率90%，如果裁剪后只保留图片最顶部的1/3 部分，识别率就很高，这种应该怎么处理。有没有什么参数能调整

DeepSeek-R1

最开始问的是r1，开了联网，然后在图片分块识别上调试大半天，放弃。。。
这个思路没问题，就是比较麻烦，文字可能会被切成一半，得不断让gpt调试
提到的几个参数也试了一下没有效果

Gemini

让gemini搞了一发，怎么说呢，其实已经有正确的答案了，但是当时看了眼，感觉和deepseek回答的差不多的，也是预处理，图片增强什么的，就没细看。。。其实关键点就是 提到的maxSideLen

perplexity

感觉有些狗屎，跳过 :tieba_001:

ChatGPT

看累了，gpt也就是随便看看，一般都是仔细看看前面的部分内容。
但是gpt的第一点直接引起了注意，然后加个 max_side_len参数解决 😅

免费用户的o3-mini

Grok

后来又试了一下马老板的，过程是挺牛逼的，又是分析用户问题，又是搜索这搜索那，pass 😆

总结

怎么说呢，网络搜索这块deepseek确实吃亏，但是有谷歌搜索的perplexity也不太行，看来还是chatgpt啊，gemini是能平替，就是结果没有那么明显，没有一下子给出关键点。
最终解决方案也很简单，比较简单粗暴，暂时不考虑OOM等问题：

engine = RapidOCR(max_side_len=100000)

5 个帖子 - 2 位参与者

阅读完整话题

via LINUX DO - 最新话题 (author: jooooody)