刚找到16，就跟15对比了一下ocr效果。用一本有代表性的扫描版pdf书做ocr后比较效果。16的提升很明显。
而之前曾经比对过15与其他3个ocr工具的ocr性能–万兴pdf 7.6.8，白描软件，acrobat 2021–15明显胜过这三个。不过，只做中文简体的pdf的ocr，也可以用万兴7.6.8（万兴8的ocr效果不如该7.6.8版本）。
这是从另外一个帖子引出的，那个帖子有16的下载。
用Adobe acrobat 2021，abbyy finereader 15，万兴pdf7.6.8.5031,白描网页版分别对一本具有代表性的PDF书籍进行了OCR，并比较效果，结论是，abbyy finereader 15是最佳选择。
1，所用到的软件
Adobe Acrobat 2021(AA),
Abbyy FineReader 15,(AFR),
万兴PDFelement 7.6.8
白描网页版
Filelocator pro(FLP）,
Araxis Merge,
2，用《德语语法表解》进行OCR和效果对比
（1）该书PDF格式共计210页，内容德语汉语混排，德语居多，约八九成，汉语约一到两成，极少的英语。扫描而成，页面清晰度较差，没有灰度。
(2)用abbyy进行OCR，选择多语，包括汉语，德语，英语，及一些辅助如数字等，OCR的速度很快。OCR后保存为一个文件。另外，进入页面校对，修改了几个单词，另存为一个文件，用于效果比对。得到2个文件。
(3)在Adobe Acrobat 2021中，分别OCR三次，存为3个文件，进行效果比对。
只选择德语进行OCR，存为第一个文件。在德语OCR后，再选择汉语进行第二遍OCR，然后保存为第2个文件。只选汉语OCR后保存为第三个文件。得到3个文件。
以上共计6个文件，大小对比很明显。Acrobat选择汉语进行OCR后文件体积增大一倍，增加德语再作一次OCR，体积再增加一倍。
而Abbyy的OCR后的文件，体积反倒减小了。
（4）OCR的效果的比对，
用了三个方法，分别是，
-在Araxis Merge中，进行文字型PDF的内容比对。
-在Acrobat 2021中进行文件比较。
-用Filelocator Pro进行检索比较。
最终，
（1）在Acrobat中，选择德语进行OCR，只对部分的汉语进行了OCR；只选德语，情况类似。在汉语的OCR中，才对全部的汉语进行了OCR。这点在Araxis Merge和FLP（FileLocatorPro）中得到印证。
（2）abbyy的多语种OCR得到的文件，不管是汉语，德语，识别效果都远胜于acrobat的。在FLP中，用一些单词或字母进行检索，选择专家模式。比如检索“Vater”，可以看到abbyy的识别文件和acrobat的仅仅德语或先德语后汉语的三个文件，命中18次，而仅仅汉语的，只有14次。
3，万兴pdf和白描
万兴PDF在OCR该书时失败。
用白描软件测试OCR，用其网页版，限制PDF为50页，遂选该书前40页。识别效果很不错，比acrobat还略高，但不能保留格式，如表格等。该白描软件用于局部是可以的。
结论，abbyy finereader 15。
在5月份对比了AFR15与其他几个常见ocr工具的ocr性能。这次得到AFR16，遂对比了一下15和16的ocr性能。
结论是：16比15的ocr性能有明显提升，值得升级。
1，怎么对比ocr性能
刚好有本书野菜图谱要ocr，该书恰好有代表性，代表了需要ocr的书中扫描质量较差的。一般的，需要ocr的书的扫描质量比它要好。该书89年印刷的32k的287页，文字黑白，有彩色照片和黑白表格等，显示在2004年制作为pdf，可能是读秀流出的。
原pdf大小8mb，标记为A。用16做了ocr，标记为B，文件大小几乎相同。再用15做了ocr，存时有2个选项，存为searchable pdf，标记为C，10MB；存为pdf，标记为D，文件大小是9MB。得到3个ocr的PDF文件。
2，具体过程
与之前方法完全一样
（1）首先对比了一下C和D的差异。
在acrobat 2021中对比文本，结果是相同。
见附图1，
（2）在AM中对比，发现仅有一处不同。见图2。
查看了一下具体页，是字262页，其中C识别为“牛膝的”，D未识别出，仍当作图片。见图3。
（3）用FLP，对A，B，C，D进行检索关键字。
搜“牛膝”，FLP告警，说A未见文字，真是好样的软件！B命中18，C命中14，D命中13。详细看了一下就知道了，ocr性能上，B明显要比C好，差了3次。而C和D相差一处，被FLP发现，AM也发现，而acrobat未发现。见图4。
（4）再检索一个字吧，“车前”，B命中18，C和D都是9，9处是相同的。差距更大了。见图5。
足够得出结论是，ocr性能，16明显优于15。
另外，在acrobat中，对比文本的结果有失误，它的对比能力不可信。
ocr速度上，16比15要明显快一点。不过，考虑到总时间不长，因此这点可忽略。
16是，ABBYY-FineReader-PDF-Corporate-16.0.14.7295-Portable。绿色的，可能就是sandyd大神的封包，注册应当是TCCS大神搞的。感谢两位普罗米修斯！
—end— - -结尾 - -
依次是截图1-5
2 个赞
其实我不太建议用特别复杂的例子进行极限测试，比如扫描质量差、多国语言混排，因为不太符合日常使用场景。如果要测试，也是作为其中一项，更多地还是测试扫描质量尚可、只有中文、只有英文、中英文混排（例如词典，这个属于本坛常用场景）。
1 个赞
楼主是想要制作双层的PDF。
大侠，分享一下，我也试试
我对abbyy16的评价是：没太大变化，但又变化很大。
没太大变化的是识别引擎，准确率等方面个人感觉没什么变化。
变化很大的是终于升级为64位程序，无论是速度还是大文件的支持都有很大提升（同时也具有了把我48G内存吃干抹净的能力）。
个人认为中文的OCR面临这一很难解决的问题：生僻字和常用字的字形差异太小，出现频率差异又太大。一个完全不认识“彧”，全都当成“或”的OCR软件大多数时候都不会造成问题，但一个认识“彧”，会把百分之一的“或”识别为“彧”的OCR软件也会造成很多问题，毕竟人们并不是每天都在研究三国历史。这就好比对一种罕见病进行人群普筛，假阳性会比真阳性多很多倍。
想解决这些问题必须要用上些自然语言处理的方法（“彧”字出现时往往都是那一种情况），而且需要比较大的语料库。
2 个赞
这里可以分为2个子话题，
1，什么情况，需要对图像型pdf作ocr？ocr要达到什么效果（识别率想要多高可以接受）？
2，pdf的语言种类
单纯就纯简体汉语的pdf书图像型，16比15要强。若pdf的扫描质量不高，可能区别就更大。
有效期对比的，可以贴一本书，我用15,16各自ocr一下，不做校对，对比效果看看。
若书若太大，任意取出50页即可。
我觉得OCR未来的方向是ChatGPT之类的生成式AI进行校对，给出建议，这样人工只要扫一眼就行。只是感觉大厂对于OCR这种基础的落地用途不感兴趣，反正总体识别率已经不错，却不知道即使识别率能有99%用户也不满意，因为依旧需要大量的校对人工。
大厂甚至连周边辅助功能都懒得做。目前这种周边辅助功能做得最好的无疑是Abbyy，但是Abbyy似乎甚至连识别本身都没用上AI，识别率是不太行的。
懒得做才是正常的。校对书籍文本不是非专业人士的常用需求。
识别率当然越高越好，16比15好点，只是强的有限，制作文字版PDF+校对，Abbyy是绝对的王者，但比较ocr的识别率，还是在线ocr的结果更好，之前论坛里有人贴夸克的ocr，比这两都好。
16的改进范围很大，我只关注了ocr功能。自己手工搞了对比，16的ocr比15有明显提升。在免费升级情况下，自然要用16替代15了。
一，识别率这个东西，够用即可。对于重要的东西，哪怕软件说100%识别了，在ocr后也得人工全部核对一遍，甚至多遍。 二，说到我的使用场景是，对图像型pdf作ocr后，重点看一下目录和章节，有时页看一下索引或词汇表部分，不要有太大偏差。三，对我来说，ocr的目的主要是便于看书时检索某些内容。有时是对比一下内容，用软件粗筛对比，再肉眼对比。15的识别率足够了，16可以更好，自然要升级到16了。
文本化词典，不精校对没法用，一万字修正100字错误和修正500字错误，体感完全不一样。如果你只是制作双层PDF，满足你自己的需求，我同意你的看法。
年初使用Abbyy OCR制作了六本中文书电子书。分别用了11，12，15，16这四个版本的软件。结论是总体识别15比较均衡。生僻字识别只有11最好。
1 个赞
厉害，对比了v11,v12,v15,v16四个版本。我早已清除了旧版本，现在只有v15和v16。
不过，生僻字只有11最好吗？这个能不能发你的样本来验证一下，可以摘取原书中20-50页做成pdf样本，提供一份图像型pdf，一份用v11做过ocr的双层pd（f或干脆导出的word）。用我手头的v16,v15验证对比一番看看情况。
肯定，确认，绝对，11是生僻字识别最好的，因为我是OCR识别后逐字校对，一一比对过。本来我也只想保留最新版ABB，无意中发现这个生僻字识别问题。图书是繁体字，生僻字尤其多，11识别了85%的生僻字。其他版本只能50%左右。不好意思，文本是版权图书，不便外传。
从软件模型的开发分析，新版的肯定比旧版的功能有改进，识别率绝对提高，有软件设计常识的都懂！
这可不一定哦。我以前玩ABBYY发现，它在某次升级时，图像文件的大小突然增加了好几倍。仔细检查发现，ABBYY抛弃了以前的我认为很好的图像格式，直接导致双层（图像+文字）pdf的大小增加了很多。