跳至主要內容

OCR服务

xylplm2023/9/27大约 8 分钟

🔤 OCR服务配置指南

OCR 服务主要用于网站登录更新 cookie 以及特殊站点签到等识别验证码场景。Media Saber 不提供任何 OCR 服务，请自行搭建或使用第三方服务。

📋 配置概览

在 基础设置 的"服务配置"部分，找到"OCR服务地址"进行配置：

支持的服务类型

  • 🌐 第三方服务：免费，依赖外部稳定性
  • 🐳 自建 C++ Paddle OCR 服务：高性能，完全免费，高识别率，本地部署
  • 🐳 自建 Paddle OCR (Node.js版)：PP-OCRv5模型，高识别率，轻量级本地部署，完全免费
  • 🔍 自建 Baidu OCR (Go版)：GO高性能API调用，支持所有架构，资源占用极低

服务选择建议

使用场景推荐方案说明
轻度使用第三方服务免费，但稳定性差，无需配置
本地性能需求自建 C++ Paddle OCR 服务基于 C++ 实现，处理速度最快
重度使用自建 Paddle OCR完全免费，高精度，本地部署
ARM 设备自建 Baidu OCR支持所有架构
网络受限自建 Baidu OCRAPI 调用，稳定性好
高性能需求自建 Baidu OCR (Go版)最低延迟，最小内存

性能优化提示

  • Paddle OCR (Node.js版)：建议分配 1GB+ 内存，CPU 2核+
  • Baidu OCR (Go版)：建议分配 256MB+ 内存，CPU 1核+
  • 网络优化：使用国内镜像加速下载
  • API 优化：百度 OCR 注意 API 调用次数限制，可升级套餐

配置完成后请点击"测试"按钮验证服务有效性。

🌐 第三方 OCR 服务(轻度使用推荐，稳定性一般)

Movie Pilot服务

本项目支持NT和Movie Pilot OCR服务格式。

https://movie-pilot.org/captcha/base64

特点：

  • ✅ 免费使用，识别率高
  • ✅ 无需配置，即用即可
  • ⚠️ 依赖外部服务稳定性

注意： 原地址 https://nastool.cn/captcha/base64 已作废

DDSDerek OCR 服务

热心网友 DDSDerek 大佬搭建的备用服务。

https://ocr.ddsrem.com/captcha/base64

特点：

  • ✅ 免费使用，可作备用
  • ⚠️ 速度相对较慢
  • ⚠️ 网络条件影响较大

🐳 自建 C++ Paddle OCR 服务（高性能，完全免费，高识别率，本地部署）

使用 ncnn 进行推理的 PP-OCRv5 的 C++ 实现，比之前的 Node.js 版本性能更好。

服务特点

  • ✅ 高性能：基于 C++ 和 ncnn 推理引擎，处理速度极快
  • ✅ 高识别率：支持 PP-OCRv5 模型，验证码识别成功率 90%以上
  • ✅ 完全免费：本地部署，无费用
  • ✅ 本地部署：安全可控

Docker 部署

镜像地址：

https://hub.docker.com/r/naiquan1007/ocr_engine

方式一：命令行部署（推荐）

docker run -d --name naiquan1007-ocr-engine --network bridge -p 1234:1234 naiquan1007/ocr_engine:latest

方式二：Docker Compose 部署（推荐）

创建 docker-compose.yml 文件：

version: "3.8"

services:
  ocr-engine:
    image: naiquan1007/ocr_engine:latest
    ports:
      - "1234:1234"
    environment:
      - TZ=Asia/Shanghai
    restart: unless-stopped
    container_name: naiquan1007-ocr-engine
    networks:
      - bridge

运行：

docker-compose up -d

🐳 自建 Nodejs Paddle OCR 服务（完全免费，高识别率，本地部署）

服务特点

  • ✅ 高识别率：基于 PP-OCRv5 模型，验证码识别成功率 90%以上
  • ✅ 高性能：基于 Node.js + Fastify 框架，启动时间 2-3s
  • ✅ 轻量级：使用 eSearch-OCR 和 ONNX Runtime，内存占用约 150MB
  • ✅ 易部署：Docker 容器化部署，支持多架构，开箱即用
  • ✅ 本地部署：数据不出本地，安全可控
  • ✅ 免费使用：无API调用费用
  • ✅ 兼容性：API 与 Media Saber 完美兼容，也兼容 NT MP

性能对比

指标Node.js 版本Python 版本改善
镜像大小~150MB~1GB85% ↓
内存占用~150MB~300MB50% ↓
启动时间~2-3s~5-8s60% ↓
识别速度~100-200ms~200-500ms显著提升
并发处理优秀良好显著提升

Docker 部署

镜像地址：

https://hub.docker.com/r/xylplm/media-saber-paddle-ocr

方式一：命令行部署（推荐）

docker run -d \
  --name media-saber-paddle-ocr \
  -p 9899:9899 \
  --restart=unless-stopped \
  xylplm/media-saber-paddle-ocr:latest

方式二：Docker Compose 部署（推荐）

创建 docker-compose.yml 文件：

version: "3.8"

services:
  media-saber-paddle-ocr:
    image: xylplm/media-saber-paddle-ocr:latest
    ports:
      - "9899:9899"
    environment:
      - TZ=Asia/Shanghai
    restart: unless-stopped
    container_name: media-saber-paddle-ocr
    deploy:
      resources:
        limits:
          memory: 1G
          cpus: '1.0'
        reservations:
          memory: 256M
          cpus: '0.5'

运行：

docker-compose up -d

API 接口说明

主要接口：

  • POST /captcha/base64 - OCR 识别接口
  • GET /health - 轻量级健康检查
  • GET /captcha/health - OCR 服务状态检查
  • GET / - 服务信息和欢迎页面

请求格式：

{
  "base64_img": "图片的base64编码字符串"
}

响应格式：

{
  "result": "识别出的验证码文本",
  "confidence": 0.95,
  "processing_time": 0.12
}

环境变量配置

  • HOST: 绑定地址 (默认: 0.0.0.0)
  • PORT: 绑定端口 (默认: 9899)
  • LOG_LEVEL: 日志级别 (默认: info)

生产环境建议

资源配置：

  • CPU: 2+ 核心
  • 内存: 1GB+
  • 磁盘: 1GB+

服务地址配置：

http://127.0.0.1:9899/captcha/base64

功能特性

  • ✅ 图像预处理（缩放、降噪、边界处理）
  • ✅ PP-OCRv5 高精度识别
  • ✅ 自动模型初始化和管理
  • ✅ 并发安全
  • ✅ 优雅的错误处理
  • ✅ 健康检查接口
  • ✅ 云原生部署友好
  • ✅ 兼容性：API 与 Media Saber 完美兼容，也兼容 NT MP

🔍 自建 Baidu OCR 服务 （本地部署，低延时，高准确率）

主要改进

  • ✅ 更高性能：Go 原生并发支持，处理速度显著提升
  • ✅ 更小体积：最终 Docker 镜像仅约 20MB（原 Python 版本约 1GB）
  • ✅ 更低内存：内存占用减少约 80%
  • ✅ 更快启动：启动时间从秒级降到毫秒级
  • ✅ 高识别率：验证码识别成功率 90%以上
  • ✅ 支持所有架构：包括 ARM 设备（如树莓派、NAS）
  • ✅ Go 1.25 优化：利用最新的 Go 编译器优化和性能改进

性能对比

指标Python 版本Go 版本改善
镜像大小~1GB~20MB98% ↓
内存占用~200MB~40MB80% ↓
启动时间~3s~50ms98% ↓
并发处理受限优秀显著提升
CPU 使用较高较低30-50% ↓

技术栈

  • 语言: Go 1.25+
  • Web 框架: Gin
  • 图像处理: 原生 Go image 包
  • HTTP 客户端: 原生 net/http
  • 容器化: Docker 多阶段构建

功能特性

  • ✅ 图像预处理（二值化、降噪、边界处理）
  • ✅ 百度 OCR API 集成
  • ✅ 自动 Token 管理和刷新
  • ✅ 并发安全
  • ✅ 优雅的错误处理
  • ✅ 健康检查接口
  • ✅ 云原生部署友好

前期准备：申请百度 OCR API

步骤 1：注册百度智能云

访问 https://cloud.baidu.com/ 注册登录百度智能云账号。

步骤 2：开通文字识别服务

选择产品-文字识别-文字识别

开通服务
开通服务

点击立即使用

立即使用
立即使用

点击去领取

去领取
去领取

步骤 3：领取免费额度

进入领取页面后，选择通用场景 OCR，待领接口选择全部，点击下方的 0 元领取。

领取免费额度
领取免费额度

跳出领取成功界面，点击前往应用列表

领取成功
领取成功

步骤 4：创建应用

点击创建应用

创建应用
创建应用

创建应用界面处的配置：

  • 应用名称：自定义名称即可
  • 接口选择：文字识别选择全部
应用配置
应用配置

往下滑：

  • 应用归属：选择个人
  • 应用描述：随便填写

然后点击立即创建。

完成创建
完成创建

来到创建完毕界面，选择查看应用详情

查看详情
查看详情

步骤 5：获取 API 信息

获得需要的三个数据：OCR_APP_ID、OCR_API_KEY、OCR_SECRET_KEY，稍后填入环境变量。

获取API信息
获取API信息

Docker 部署

镜像地址：

https://hub.docker.com/r/xylplm/media-saber-baidu-ocr

命令行部署（推荐）

docker run -d \
  --name media-saber-baidu-ocr \
  -p 9898:9898 \
  -e OCR_APP_ID=your_app_id \
  -e OCR_API_KEY=your_api_key \
  -e OCR_SECRET_KEY=your_secret_key \
  --restart=unless-stopped \
  xylplm/media-saber-baidu-ocr:latest

Docker Compose 部署（推荐）

创建 docker-compose.yml 文件：

version: "3.8"

services:
  media-saber-baidu-ocr:
    image: xylplm/media-saber-baidu-ocr:latest
    ports:
      - "9898:9898"
    environment:
      - OCR_APP_ID=your_app_id
      - OCR_API_KEY=your_api_key
      - OCR_SECRET_KEY=your_secret_key
      - TZ=Asia/Shanghai
    restart: unless-stopped
    container_name: media-saber-baidu-ocr

运行：

docker-compose up -d

可视化界面部署（以绿联为例）

1. 下载镜像

在镜像仓库搜索并下载 media-saber-baidu-ocr 镜像。

搜索镜像
搜索镜像

2. 创建容器

基础设置中重启策略选择"退出时重启"。

基础设置
基础设置

本地端口填写 9898（如果未被占用）。

端口设置
端口设置

环境变量填写刚刚获取的三个值，然后点击下一步完成容器创建。

配置 Media Saber

在 基础设置 的OCR服务地址中填写：

Baidu OCR 服务：

http://127.0.0.1:9898/captcha/base64

Paddle OCR 服务：

http://127.0.0.1:9899/captcha/base64

注意：将 127.0.0.1 替换为你的实际 IP 地址

配置OCR地址
配置OCR地址

保存配置后（先保存！）点击测试按钮。

测试成功
测试成功

测试成功即表示配置完成。

API 接口说明

主要接口：

  • POST /captcha/base64 - OCR 识别接口
  • GET / - 健康检查和欢迎信息

请求格式：

{
  "base64_img": "图片的base64编码字符串"
}

响应格式：

{
  "result": "识别出的验证码文本（仅字母和数字）"
}

监控和日志

所有请求和错误都会记录到标准输出，便于容器环境下的日志收集。

环境变量配置

在运行前需要设置以下环境变量：

  • OCR_APP_ID: 你的百度OCR App ID
  • OCR_API_KEY: 你的百度OCR API Key
  • OCR_SECRET_KEY: 你的百度OCR Secret Key
  • GIN_MODE: 运行模式（可选，默认 release）

🔧 故障排除

常见问题解决

问题可能原因解决方案
测试失败服务地址错误检查地址格式和IP
连接超时网络问题检查防火墙和端口
百度OCR报错API配置错误验证三个环境变量
ARM设备无法使用Paddle架构不支持改用百度OCR服务

📖 相关文档

MIT License | Copyright © 2023-present xylplm
Copyright © 2026 xylplm