身为一名理工科学生，在笔记中频繁插入 LaTeX 公式是家常便饭，许多识别LaTeX公式截图的项目也因此应运而生。在这些项目中，一方面各类在线商软虽表现优秀，但每月订阅费对学生而言仍然略显高昂，而免费账户在高峰期又需排队等待。另一方面相关的开源模型也已满坑满谷，且识别准确度与商软无异，然而其部署又受限于本地算力、环境配置、模型体积、跨平台兼容性等等，使得新手小白望而却步。因此作为一名用户和新手开发者，我想探索是否有可能在既有的开源模型基础上，开发出轻量而不失准确的模型，同时把本地部署门槛降至最低的解决方案。

于是有了 Texo 这个项目，我首先在PaddleOCR的基础上微调并蒸馏了一个参数量仅20M，全精度模型体积仅 80MB 的模型，随后我借助 Transformers.js 框架将导出的onnx模型运行在浏览器中。通过Web应用交付的模型，既省去了配置python环境的繁琐配置，又因推理完全调用本地算力，无需担心隐私通过api泄漏。最重要的是该模型兼顾了底模的识别准确率和轻量模型的推理效率，把对本地算力的需求降到最低，在没有GPU加持下也能达到商软调用API的响应速率和准确度。

希望通过这个项目可以帮助到更多理工科学生提高做笔记、写文章的效率。

项目主仓库：https://github.com/alephpi/Texo
项目前端仓库：https://github.com/alephpi/Texo-web
在线演示demo：https://texocr.netlify.app/