【2026 最新】Indra OCR 繁中怎麼用？CPU 首跑、文字層分流與版面錯誤六步教學

想用 Indra OCR 把繁中 PDF 變成 AI 能讀的文字，結果字看似正確，兩欄卻接錯了？也可能剛好相反：Auto 模式很漂亮，改成 OCR 就開始漏字。你看到的是同一頁，程式走的卻可能是不同路。

這篇專為剛接觸文件擷取的讀者寫。從本機 CPU 安裝、第一張文件到 JSON 核對，一步步教你找出問題落在哪一層。你不必先懂機器學習；會開終端機、找到檔案，就能照著做。本文以 2026 年 10 月 19 日查核的 0.3.2 版為操作基準。

先說結論：繁中可以試，但要分開驗

可靠的文件擷取＝文字來源選對＋區塊框對＋順序對＋字讀對。把它想成整理書桌：先決定是直接抄電子筆記，還是對照片看字；再把紙張分堆、排順，最後才是逐字抄寫。前一步錯了，後一步再努力也可能接出錯的文章。

官方把繁簡中文列入掃描與圖片的 OCR 支援範圍，同時明列直排文字不支援。這是能力範圍，不是繁中準確率保證。乾淨橫排文件可先做小樣本；直排報紙則應先規劃其他擷取路線。完整邊界見 官方語言說明 與 限制清單。

一、Indra OCR 在文件管線裡做什麼？

OCR 是「光學字元辨識」，也就是從圖片讀出文字。Indra 還會提供行的位置、版面區塊與閱讀順序，並輸出 Markdown、純文字或 JSON。CPU 是一般電腦負責運算的處理器；這套工具透過 ONNX Runtime 跑模型，適合先在現有電腦嘗試。

但 PDF 不一定是一張照片。由文書軟體匯出的 PDF，可能已經帶有可選取的文字層；掃描 PDF 才通常需要從像素重新認字。Auto 會在檢查通過時採用文字層，必要處才走 OCR。官方 CLI 原始碼 將模式分成 auto、ocr、text 三種。

所以「Auto 抽到正確繁中」不等於「繁中辨識模型認得準」。它可能直接讀到了原有文字。要把資料接入 RAG 檢索問答，先保留來源與頁碼，比立刻把所有文字送進聊天視窗更有用。

二、Indra OCR 安裝：先固定版本，再跑一張

①「把工具放進自己的抽屜」：建立隔離環境

怕套件互相影響？先用虛擬環境，讓這次安裝有獨立的套件目錄。需要已安裝的 Python 3.10 以上；以下啟用方式適用 macOS／Linux。官方列出的測試環境包括 Linux 與 Apple silicon Mac；Windows 讀者可先選現有 WSL 環境依 Linux 步驟操作，本文不把它當作已驗證的原生 Windows 流程。

python3 --version

python3 -m venv .venv

source .venv/bin/activate

python -m pip install "indra-ocr==0.3.2"

indra-ocr --version

驗收點很簡單：最後一行應顯示 indra-ocr 0.3.2。版本依 PyPI 0.3.2 與 變更紀錄 固定；GitHub Releases 的發行標籤與 PyPI 套件版本未必同步，別只看頁面上那個 Latest。

②「先下載字典」：啟動本機 Viewer

indra-ocr-viewer --port 8765

第一次會從 Hugging Face 下載模型；官方說基本模型約 18 MB。等終端機出現網址後，在同一台電腦開啟 http://localhost:8765。這個 Viewer 是本機檢視器；程式綁定 127.0.0.1。先用自製練習文件，讓模型下載與首次載入發生在正式量測以前。

點 Drop a PDF or an image 選檔，左側 Source 先選 Auto。右側檢查文字，再開啟 Lines、Layout blocks、Reading order；改選 OCR 後按 Read again with these options，比較同一頁。

三、Indra OCR 文字層分流：用同一份 PDF 做兩次

擔心不知道輸出在哪？先把一張自己有權使用、可人工核對的文件命名為 paper.pdf，放在終端機目前所在目錄。以下各跑一頁、一個 worker，結果分別放進兩個資料夾，避免覆蓋：

indra-ocr paper.pdf --mode auto --format json --max-pages 1 --cores 1 --timings --out results-auto

indra-ocr paper.pdf --mode ocr --format json --max-pages 1 --cores 1 --timings --out results-ocr

用文字編輯器開啟兩個資料夾裡的 paper.jsonl。JSONL 是「每行一筆 JSON」，這裡每頁一筆；不是整份檔案外面再包一對方括號。CLI 的 page 欄位從 0 起算，第一頁是 0。這些細節可直接對照 輸出組裝方式。

• 先讀 source：text 表示文字層，ocr 表示辨識，hybrid 表示文字層加圖片內 OCR，error 是頁面失敗。先看它，再評論準確率。
• lines：每行有 box、text、conf；box 是 x0、y0、x1、y1。
• blocks：每個區塊有 label、bbox、text；清單順序就是要核對的閱讀順序。
• rotation、skew、timings、note：記下轉向、校斜、分段耗時與分流原因。框座標以影像像素表示；有旋轉時，先對齊轉正後頁面，別直接當 PDF 點數。

走一遍例子：看到文字正確，仍要檢查區塊

我們用五行自製文件跑過上述兩條路：標題是「文件擷取驗收練習」，內文含「品項：測試筆記本，數量：三本。」與一行英文。這張 Apple silicon Mac、0.3.2、預設 200 DPI、單 worker 的乾淨樣本，在 Auto 輸出 source=text，強制 OCR 輸出 source=ocr；兩者取得相同五行文字。

但輸出的第一個 Text 區塊合併了標題與前兩行內文，並未把標題獨立標成 Section-Header。若任務只是搜尋全文，這可能可接受；若要按照章節切資料，就需要另一條驗收規則。同一份輸出能不能用，取決於下游要它做什麼。這張示範不涵蓋雙欄、複雜表格或直排，也不代表繁中整體品質。

四、繁中辨識差？按四層找原因

③「先看抄哪一份」：文字來源

Auto 正確、OCR 錯得多時，先保留前者，查清楚它是否來自文字層。若 Auto 已有亂碼，再用 OCR 對照。--mode text 會在檢查未通過時仍採文字層，適合診斷，不能當成修復亂碼的開關。

④「框有沒有框到」：行與區塊偵測

漏掉整段、把兩欄框在一起時，先把框線疊回頁面。漏框屬於偵測問題；框得正確卻讀錯字，才進到辨識問題。2026 年 10 月 17 日的 Issue #6 有使用者回報中文內容區域定位不準，但未附足夠版本與樣本資訊；它是排查線索，不是全體中文表現的統計。

⑤「先讀左欄還是右欄」：閱讀順序

雙欄中英混排時，逐行對照左右欄的銜接，尤其圖說、頁首頁尾與跨欄標題。文字層預設可沿用 PDF 內容順序；想測試模型排序，可在 Auto 指令加 --model-order，另存結果後比較。不要先把所有框按 y 座標排序，那會把左右欄同一高度的句子交錯。

⑥「最後才逐字校對」：字元辨識

框和順序正確後，再數錯字、漏字、插入字。conf 是模型信心，不是人工正確率；0.3.0 變更紀錄也說低信心行可能保留框、文字卻為空。空字串因此值得記成失敗事件，不能當空白行直接丟掉。

若你要點選單字、逐詞標註，先確認輸出粒度。當日查到的 Line 資料結構 提供行框，區塊另有框；Issue #7 是詞級框需求。這篇流程只把行框與區塊框接入管線，不把需求單當成功能交付。

五、做四類小樣本，決定保留、前處理或換路線

先各準備一頁橫排繁中、雙欄中英混排、表格、直排，加上人工逐字對照稿。每份記下來源權利、是否帶文字層、頁面方向、版本與模型檔案。橫排練基本辨識；雙欄測排序；表格核對每格歸屬；直排用來確認邊界，別把它列成預期通過的 OCR 任務。

先訂任務門檻：例如搜尋筆記可以接受標題分類不準，但金額、姓名或條文編號可能要求逐項完全一致。這是你選的驗收條件，不是官方保證。字元錯誤率可用「替換＋刪除＋插入」除以人工稿字元數；比較前要固定空白、標點與全半形的處理方式，順序錯誤另外記，別全部揉成一個平均分。

測速度時，分開記下載與冷啟動，再對同樣檔案、DPI、核心數與模式重跑，記錄每頁 total_ms 及整批牆鐘時間。官方吞吐量是特定 CPU 與資料的結果，不能換算成你電腦的繁中品質；本篇不把一張短文件換算成每秒幾十頁的承諾。

• 保留：任務所需的文字、順序與結構都過關，連同來源、頁碼、框與設定一起保存。
• 改前處理：影像過暗或小字模糊，保留原檔，另做一份改善對比或解析度的版本；一次只改一項，再跑同一批樣本。提高 DPI 會增加影像像素，未必修得好區塊歸屬。
• 換路線：直排、合併儲存格或跨列複雜表格不符合任務門檻時，改選對應能力的工具，再用同一份人工稿驗收；不以「安裝成功」當作完成。

公司要把結果接到 Agent 或文件服務，還有授權問題：程式碼是 Apache 2.0，模型則是修改版 OpenRAIL-M，兩者不同。部署前讀 模型授權全文，特別核對自己的商業用途與競爭性服務限制。把模型檔案另存、記錄雜湊；只固定 Python 套件版本，仍不足以證明兩次使用完全相同的權重。

常見問題：八個直接答案

Indra OCR 繁體中文能用嗎？

可以先評估。官方列入支援清單的是辨識能力範圍；先讓你的橫排樣本、關鍵字與閱讀順序通過，再接正式管線。

沒有 GPU 可以跑嗎？

可以。這套工具主打 CPU 管線；本篇的安裝與兩模式示範也走 CPU。先用一頁、一個 worker 起跑，觀察完成狀態。

Auto 全對，是不是 OCR 很準？

不一定。先看 source；text 表示使用文字層，只有同頁強制 OCR 對照，才是在看辨識路徑。

繁中直排能靠旋轉頁面解決嗎？

不能當作已支援。官方明列不支援直排；把橫排的倒置頁面轉正，和理解直排字序，是不同問題。

表格輸出成功就能匯入資料庫嗎？

不一定。仍要逐格核對欄名與值是否對齊，尤其合併儲存格與跨行文字。先用 帳單 OCR 證據與算術驗收 的思路檢查關鍵欄位。

行框可以直接當每個中文字的框嗎？

不可以直接這樣推。行框描述整行；若應用需要字或詞的座標，應先驗證那個粒度的實際輸出，不能把行寬平均切開就當準確標註。

模型下載後就完全不連網嗎？

不宜這樣假設。0.3.2 的變更紀錄說快取模型資料夾至多每日向 Hub 檢查一次；需要受控環境時，先備齊模型，再用 --model-dir 指向本機資料夾。

什麼時候適合接 AI 問答？

當來源、框、順序與關鍵字都達到你的門檻時。保留原頁證據，並把 source=error 或重要欄位缺漏送進明確的失敗流程，再送往下游。

給新手的三個重點

• 先辨認文字來自哪條路，再評判工具。
• 逐層核對來源、區塊、順序、字元；一個總分無法告訴你該修哪裡。
• 先保存可回頭核對的原頁與 JSON，再擴大文件量。