答案1
超立方體
截至 2020 年，最好的開源 OCR 軟體是超立方體4以其新的LSTM神經網路OCR模型。其 OCR 效能比版本 3 中使用的先前 OCR 模型好得多。
範例（output.pdf為掃描的德語文件產生帶有文字圖層的 PDF 檔案）：
$ echo page-*.png > input.list
$ tesseract --oem 1 -l deu input.list output pdf
（--oem 1啟用 LSTM 引擎）
將識別的文字列印到標準輸出：
$ tesseract --oem 1 -l deu page page-0001.png stdout
列出已安裝的語言：
$ tesseract --list-langs
以可下載的形式提供多種語言/腳本的支持訓練資料集，例如甚至還有 Fraktur 的資料集。
透過新的 LSTM 模型，Tesseract 從奧克羅普斯研究項目。
即使在高品質的輸入圖像上，Tesseract 版本3 的性能也相對較差，即它經常錯誤地檢測灰塵像素中的單個字元（在任何文字上下文之外），並且很容易在眾所周知的單字中引入單個字元錯誤。
楔形文字
楔形文字OCR 效能並沒有那麼糟糕，但它沒有得到積極維護（最後一次發佈於 2011 年，版本 1.1）並且很容易崩潰並存在其他一些問題：
您可以像這樣停用佈局演算法：
$ cuneiform --singlecolumn -l ger -f text -o foo.txt image-0001
（-l指定來源文檔的語言）
奧克拉德
奧克拉德範例呼叫：
$ ocrad -F utf8 image-0001
文字預設列印到標準輸出。
在商業文件中，它遺漏了一個帶有下劃線的單詞，而 cuneiform/tesseract/gocr 卻沒有。
Ocrad 手冊包含以下內容的部分：使用的演算法，例如：
5) 偵測字元並將其按行分組。
6) 辨識字元（非常臨時；每個字元一種演算法）。
7) 修正一些歧義（將 l.OOO 轉換為 1.000 等）。
GOCR
GOCR範例呼叫：
$ gocr image-0001
文字預設列印到標準輸出。
GOCR 文件沒有包含有關 OCR 使用哪些模型/方法的詳細資訊。
硬體
薩內對某些自動送稿機 (ADF) 掃描器有很好的支持，例如願景和富士通那些。
Sane 中包含一個scanimage命令列程序，您可以使用它來建立腳本化掃描管道（請參閱例如我的adf2pdf.py腳本）。
答案2
我找到了一個StackOverflow 上有類似的問題和Asprise OCR SDK，連結之一商業的產品，擁有 Linux 版本。
答案3
... OCR 不僅僅是「僅字元辨識」。影像處理、預處理 - 頁面/佈局分析以尋找文字、圖像、表格或條碼。為了識別，你必須處理不同的字體、大小和語言。這很重要，因為要獲得好的結果，您必須使用字典和語言定義。最後，人們期望有比文字更多的匯出選項（例如 XML、RTF 或可搜尋的 PDF）。 SDK 有一些商業選項，但它們並不便宜而且免費。
最近我發現一個ABBYY 適用於 Linux 的 CLI OCR。有 100 頁的免費試用版。
答案4
如果你有預算的話我強烈推薦適用於 Linux 的 ABBYY FineReader Engine CLI。我們公司已經在我們的網路應用程式中使用它一年了，我們計劃更新許可證。非常好的識別質量，命令列介面，多語言識別。