ComfyUI PaddleOCR 节点

注意：本项目暂不考虑上传 ComfyUI Manager

一个专为 ComfyUI 设计的高性能 OCR（光学字符识别）节点，基于 PaddleOCR 技术实现。

功能特性

• 高精度识别：基于 PP-OCRv5 模型，支持中文、英文、日文、韩文识别
• 完整流水线：启用文档图像方向分类、文本图像矫正、文本行方向分类、文本检测、文本识别五个模块
• 三种输出格式：
  • 纯文本内容
  • 带标注的图像（使用 PaddleOCR 3.2.0 内置可视化引擎）
  • 完整的 JSON 数据（包含坐标、置信度等信息）
• 简洁界面：精简的用户选项，操作简单直观
• GPU 支持：可选择使用 GPU 加速推理

系统要求

• Python 3.8+
• ComfyUI
• CUDA（可选，用于 GPU 加速）

安装方法

1. 将项目文件复制到 ComfyUI 的 custom_nodes 目录：

   ComfyUI/custom_nodes/Comfyui-ocr/
   

2. 安装依赖包：

   pip install -r requirements.txt

3. 重启 ComfyUI

使用方法

1. 在 ComfyUI 节点列表中找到 OCR 分类
2. 添加 PaddleOCR 文字识别 节点
3. 连接图像输入
4. 配置参数：
   • 图像：输入要识别的图像
   • 语言：选择识别语言（中文/英文/日文/韩文）
   • 使用GPU：是否启用 GPU 加速
   • 置信度阈值：过滤低置信度结果（0.0-1.0）

使用示例

上图展示了一个完整的 OCR 工作流：

• 输入包含中文文字的图像
• OCR 节点识别文字内容并生成标注图像
• 通过 Preview Text Node 查看识别结果

输出说明

节点提供三个输出端口：

1. 识别文本 (STRING)

包含所有识别到的文字内容，按行分隔。

2. 标注图像 (IMAGE)

在原图上绘制文字检测框和识别结果，使用透明背景显示。采用 PaddleOCR 官方可视化引擎，确保标注位置准确。

3. JSON 数据 (STRING)

完整的识别结果数据，包含：

• results：识别结果数组
  • text：识别的文字内容
  • confidence：置信度分数
  • box：文字区域坐标（四个顶点）
• total_count：识别到的文字块总数

技术特点

• PP-OCRv5 引擎：采用最新的 PaddleOCR v5 模型
• 内置可视化：使用 PaddleOCR 3.2.0 官方可视化功能
• 自动优化：内置最佳参数配置，无需手动调节
• 高兼容性：与 ComfyUI 工作流完美集成

许可证

本项目遵循开源协议，仅供学习和研究使用。