arabic-ocr

name	arabic-ocr
description	Arabic OCR text extraction from images and documents
version	1.0.0
author	Mousa Abu Mazin
license	MIT
platforms	["linux","macos"]
prerequisites	{"commands":["curl","tesseract","magick"],"env_vars":["HF_TOKEN"]}
metadata	{"hermes":{"tags":["media","ocr","arabic","image"]}}

التعرف على النص العربي (OCR)

Tesseract (محلي — الخيار الأساسي والمجاني)

تثبيت

# macOS
brew install tesseract tesseract-lang imagemagick

# التأكد من دعم العربي
tesseract --list-langs | grep ara

استخراج النص

tesseract IMAGE_FILE output -l ara
cat output.txt

عربي + إنجليزي معاً

tesseract IMAGE_FILE output -l ara+eng

تحسين الدقة

# تحسين الصورة أولاً
magick IMAGE_FILE -resize 300% -sharpen 0x1 -threshold 50% improved.png
tesseract improved.png output -l ara --psm 6

TrOCR عبر HuggingFace (بديل سحابي — اختياري)

تنبيه: توفر نماذج HuggingFace Inference API يتغير. تحقق من توفر النموذج قبل الاعتماد عليه في بيئة إنتاجية. إذا كان النموذج غير متاح، استخدم Tesseract المحلي.

# microsoft/trocr-large-printed — نموذج OCR عام قوي
curl -s -X POST "https://api-inference.huggingface.co/models/microsoft/trocr-large-printed" \
  -H "Authorization: Bearer $HF_TOKEN" \
  -H "Content-Type: image/png" \
  --data-binary @IMAGE_FILE

# للنصوص العربية تحديداً، جرّب:
# yazeed7/arabic-trocr أو أي نموذج عربي متاح على HuggingFace
curl -s -X POST "https://api-inference.huggingface.co/models/yazeed7/arabic-trocr" \
  -H "Authorization: Bearer $HF_TOKEN" \
  -H "Content-Type: image/png" \
  --data-binary @IMAGE_FILE

أوضاع PSM (Page Segmentation Modes)

الوضع	الاستخدام
--psm 3	تلقائي (افتراضي)
--psm 6	كتلة نص واحدة (الأفضل للمستندات)
--psm 7	سطر واحد
--psm 8	كلمة واحدة
--psm 13	نص خام بدون OSD

متى تستخدم

• المستخدم يرسل صورة فيها نص عربي
• يريد استخراج نص من مستند PDF ممسوح
• يريد قراءة مخطوطة أو وثيقة قديمة
• يريد تحويل صورة واتساب فيها نص لنص قابل للنسخ

القواعد

• ابدأ دائماً بـ Tesseract المحلي — يعمل بدون إنترنت وبدون مفاتيح API
• الصور الواضحة عالية الدقة تعطي نتائج أفضل
• المخطوطات والخطوط المزخرفة تكون أقل دقة — نبّه المستخدم
• إذا النتيجة ضعيفة، اقترح تحسين الصورة أولاً بـ magick
• نماذج HuggingFace اختيارية وقد لا تكون متاحة دائماً