OCR в 2026: чем распознавать текст

Сравнение подходов к распознаванию текста: классические движки, открытый Tesseract и мультимодальные модели. Что где работает и где каждый ошибается.

Редакция СканМира Обновлено 14.10.2026 3 мин чтения

Иллюстрация к материалу «OCR в 2026: чем распознавать текст»

Коротко

Качество распознавания определяется в первую очередь качеством скана, а не движком: 300 dpi, ровный контраст, отсутствие перекоса.
Классические движки предсказуемы и хороши на печатном тексте с обычной вёрсткой; открытый Tesseract бесплатен и близок к ним на чистых сканах.
Поддержку рукописи и сложной вёрстки проверяют на конкретном движке и своём материале. Генеративный ответ может содержать правдоподобный текст, которого нет в оригинале.
Оценка уверенности движка не гарантирует правильность. Критичные числа и имена сверяют с изображением.

Распознавание текста упирается в качество скана раньше, чем в выбор движка. Плохо отсканированный документ не спасёт ни один инструмент; хорошо отсканированный распознается прилично почти любым.

Что решает до всякого софта #

Нормы в таблице практические: это пороги, ниже которых точность распознавания заметно падает на обычном печатном тексте. Конкретное значение зависит от шрифта, качества печати и выбранного движка.

Фактор	Норма	Что бывает при нарушении
Разрешение	300 dpi (мелкий шрифт 400–600)	путаются похожие символы, теряются засечки
Режим	оттенки серого или цвет	режим 1 бит рвёт тонкие штрихи
Перекос	до 0,5°	строки «съезжают», разбор вёрстки ломается
Контраст	равномерный по листу	часть страницы уходит в белое или чёрное
Автоматика драйвера	выравнивание и обрезка — вкл.	—

Перекос заслуживает отдельного упоминания: движок разбирает страницу на строки, и наклон в два-три градуса ломает этот разбор раньше, чем распознавание отдельных символов. Автовыравнивание в драйвере или в обработке решает проблему полностью — как.

Три подхода #

Классические коммерческие движки #

Развиваются десятилетиями, обучены на огромных корпусах печатного текста. Сильны в трёх вещах: восстановлении структуры документа (колонки, таблицы, врезки), работе со словарями конкретного языка и предсказуемости.

Предсказуемость здесь — ключевое качество. Такой движок при неуверенности выдаёт либо мусор, либо помеченный низкой уверенностью фрагмент. Он не додумывает.

Где применять: документооборот, бухгалтерия, любые случаи, где нужен воспроизводимый результат и разбор сложной вёрстки.

Tesseract #

Открытый движок, развиваемый сообществом. Бесплатен, работает локально, есть под все системы, поддерживает больше сотни языков, встраивается в скрипты.

На чистом печатном тексте при 300 dpi результат близок к коммерческим движкам. Слабее в разборе сложной вёрстки и в работе с таблицами.

Удобная обёртка для практики — OCRmyPDF: берёт готовый PDF, распознаёт и добавляет невидимый текстовый слой, не трогая изображения. Пакетная обработка сотен документов делается одной командой.

Где применять: массовая обработка однотипных сканов, домашние архивы, всё, что не хочется отдавать в облако.

Мультимодальные модели #

Модели, обрабатывающие изображение и текст вместе. Принципиально другой подход: они не столько «читают символы», сколько понимают содержание страницы.

Сильные стороны: рукописный текст, нестандартная вёрстка, повреждённые и выцветшие документы, ситуации, где нужно понять смысл, а не только транскрибировать.

Слабое место, которое перевешивает многое: галлюцинации. Модель может дописать текст, которого в оригинале нет — грамматически правильный, осмысленный, вписывающийся в контекст. Классический движок при неуверенности выдаёт видимую ерунду; языковая модель выдаёт невидимую.

Где применять: рукописи, сложные случаи, черновая расшифровка с обязательной последующей вычиткой. Не применять там, где результат используется без проверки.

Сравнение по задачам #

Задача	Что выбрать
Печатный документ, обычная вёрстка	любой; Tesseract бесплатно
Документ с таблицами и колонками	коммерческий движок
Массовая пакетная обработка	Tesseract + OCRmyPDF
Скан книги	Tesseract или коммерческий, с вычиткой
Рукописный текст, современный почерк	мультимодальная модель
Старые рукописи, скоропись	мультимодальная модель + обязательная вычитка
Выцветший документ	сначала поднять контраст, потом любой движок
Документ, по которому принимают решения	любой + сверка с изображением

Ни один движок не сообщает, что ошибся

Некоторые движки сообщают оценки уверенности, но это не гарантия точности текста. При точности 98 % на странице из 2000 символов около 40 ошибок, и все они выглядят как обычный текст. Для документов, по которым принимают решения, распознанный текст — это удобство поиска, а не источник данных.

Практический минимум проверки: выборочно сверить несколько абзацев и отдельно проверить все числа, даты и имена собственные. На них ошибок больше всего, а цена ошибки максимальна.

Как поднять качество #

Улучшить исходник. Пересканировать при 400–600 dpi, если текст мелкий. Выровнять перекос. Поднять контраст, если документ бледный.

Указать язык явно. Русский текст, распознанный английской моделью, превращается в бессмыслицу. Для смешанных документов указывают оба языка.

Ограничить словарь. Часть движков позволяет задать список ожидаемых терминов или формат полей. На типовых документах это резко снижает число ошибок.

Обработать перед распознаванием. Убрать фон, выровнять освещение, удалить штампы, наложенные на текст. Инструменты — здесь.

Не распознавать то, что не нужно. Скан справки, которую нужно один раз отправить, не требует текстового слоя вовсе.

Как собирать результат в PDF — отдельный разбор, требования к сканам документов — здесь.

Частые вопросы

4 ответов по теме

Какое разрешение нужно для распознавания?

Для обычного текста можно начать с300 dpi и проверить нужный язык, мелкие цифры и знаки. Для мелкого или повреждённого текста сравните несколько настроек. Универсального резкого порога200 dpi и размера шрифта для всех движков нет.

В чём риск использования нейросетевых моделей для OCR?

В галлюцинациях. Классический движок при неуверенности выдаёт мусор, который видно. Языковая модель достраивает правдоподобный текст — грамматически корректный и правильный по смыслу, но отсутствующий в оригинале. На документах это опаснее явной ошибки.

Можно ли распознать рукописный текст?

Поддержка рукописного текста зависит от движка, языка и материала. Проверьте документацию и собственную контрольную выборку; не переносите точность печатного текста на почерк.

Как проверить качество распознавания без вычитки всего?

Выборочно: взять 3–5 случайных абзацев и сверить посимвольно. Отдельно проверить все числа, даты и имена собственные — на них ошибок больше всего, а цена ошибки выше.