哪个版本的Tesseract用于培训新语言？

Question

我正在寻求建议我应该使用Tesseract的哪个版本来训练具有独特字母的古代语言。在特性方面，该语言与阿拉伯语非常相似。它也从右到左，一些字母可以连接在单词中。换句话说，一封信可能有三种形状，取决于它是在开始，中间还是结束。它也有harakat（short vowel marks），出现在字母上方或下方。

我问的原因是因为我想利用版本3.X的可用工具，但this warning关于阿拉伯语扔我离开，因为这种语言是非常相似。

对于任何熟悉Tesseract的人，您推荐使用哪种版本来训练这种语言？另外，如果您知道更好的工具，请分享它。

Answer 1

如果你有大量的文件需要OCR，建议使用Tesseract 4.0，因为它的速度更快。如果您以前没有阅读过这些内容，您可以参考以下内容获取更多信息。

1. Tesseract 4.0 Accuracy and Performance
2. Tesseract 4.0 with LSTM
3. Training Tesseract 4.0
4. Language Data File for 4.0，你可能有一个测试，看看是否Arbic OCR在OCR引擎模式1工作正常（即--oem 1），这是神经网仅LSTM。

Tesseract 4.0.0 alpha自去年11月/ 12月以来已经发布。

希望得到这个帮助。