Tesseract Languages

언어별 모델 지원

개별 언어에 특화된 traineddata 파일을 제공합니다. 예를 들어 ‘eng’는 영어, ‘kor’는 한국어, ‘jpn’은 일본어 OCR을 지원하며, 각 모델은 해당 언어를 라벨링한 웹 텍스트로 훈련되었습니다.

스크립트 기반 모델 지원

하나의 스크립트를 사용하는 여러 언어를 지원하는 모델도 포함됩니다. 예를 들어 ‘latn’은 라틴 문자 기반 언어들을, ‘deva’는 데바나가리 문자 기반 언어들을 지원하며, 일부 모델은 폰트 다양성을 높이기 위해 영어 훈련 데이터를 포함합니다.

수직 텍스트 처리 지원

특정 언어 모델(예: jpn_vert)은 수직으로 렌더링된 텍스트를 처리하도록 훈련되어, 이미지가 가로 방향으로 회전되어도 세로 쓰기 방향의 문자를 인식할 수 있도록 보조 언어로 로드됩니다.

다운로드·설치 방법

이 저장소는 zip 형식으로 배포됩니다. 공식 GitHub 페이지에서 최신リリース를 다운로드하거나, Scoop과 같은 패키지 관리자를 통해 scoop install tesseract-languages 명령으로 설치할 수 있습니다. 다운로드 후 압축을 해제하여 얻은 .traineddata 파일들을 Tesseract 엔진의 tessdata 디렉터리(보통 C:Program FilesTesseract-OCRtessdata)에 복사하면 사용 가능해집니다.

기본 사용법/명령어

Tesseract 엔진과 함께 사용할 때는 -l 옵션으로 언어 코드를 지정합니다. 예를 들어 영어 OCR을 수행하려면 tesseract image.png output -l eng 명령을 실행합니다. 여러 언어를 동시에 사용하려면 플러스 기호로 연결해 -l eng+kor처럼 지정할 수 있습니다. 수직 텍스트 처리가 필요한 일본어의 경우 -l jpn으로 지정하면 내부적으로 jpn_vert 모델도 함께 시도합니다.

이런 경우에 유용합니다

이미지에서 텍스트를 추출해야 하는 사용자에게 유용합니다. 예를 들어 스캔된 문서, 스크린샷, 사진 속 문자 등을 편집 가능한 텍스트로 변환해야 할 때, 해당 언어의 traineddata 파일을 설치하면 Tesseract 엔진이 정확도를 높여 인식 작업을 수행할 수 있습니다. 개발자는 OCR 기능을 갖춘 애플리케이션에 이 언어 데이터를 통합하여 다국어 문서 처리 기능을 구현할 수 있습니다.

지원 환경·시스템 요구사항

이 traineddata 파일들은 Tesseract 4 및 5의 LSTM OCR 엔진과만 호환됩니다. 레거시 Tesseract 엔진(OEM 모드 0 및 2)과는 작동하지 않으므로, Tesseract 설정에서 –oem 1을 사용해야 합니다. 운영 체제에 종속되지 않으며, Windows, Linux, macOS 등 Tesseract가 지원하는 모든 플랫폼에서 사용할 수 있습니다.

최신 버전·업데이트

현재 버전은 4.1.0이며, 저장소의 커밋 기록을 통해 업데이트 내역을 확인할 수 있습니다. 최신 변경 사항은 GitHub 저장소의 ‘커밋’ 섹션에서 확인 가능하며, 모델 파일 자체의 버전은 Tesseract 엔진과의 호환성을 기준으로 관리됩니다.

제한 사항·확인 사항

이 모델들은 8-bit 정수화되어 있어 미세 조정 또는 증분 훈련이 불가능합니다. fine-tuning 또는 추가 훈련을 통해 모델을 수정하려는 경우 이 파일을 사용할 수 없습니다. 또한 레거시 Tesseract 엔진은 지원하지 않으므로, OEM 모드 0 또는 2를 사용하는 기존 스크립트는 호환되지 않습니다.