验证码，互联网世界的”门卫”。从最早的扭曲字母到如今的极验v4图标点选，验证码技术在不断进化，而AI破解方案也在同步迭代。
今天这篇文章，我们从实际工程角度出发，梳理当前最成熟的开源验证码识别方案，帮你快速选型、拿来就用。
一、先搞清楚：你要打哪种验证码？
不同验证码类型，技术路线完全不同。选错方案，事倍功半。
| 验证码类型 | 典型特征 | 推荐技术路线 |
|---|
|—|—|—|
| 字符/算数型 | 数字字母/中文/算式图片 | ddddocr 开箱 / CRNN+CTC 自训 |
|---|---|---|
| 滑块验证码 | 背景图 + 缺口图 | ddddocr slide_match / captcha-recognizer |
| 点选类（汉字/图标） | “依次点击 花 树 鱼” | YOLO 定位 + CRNN 识别 |
| reCAPTCHA / hCaptcha / Turnstile | 浏览器交互 + 行为验证 | OhMyCaptcha（多模态 + Playwright） |
| 复杂粘连/特殊字体 | 传统 OCR 跪的那种 | 多模态 VLMs（Gemini Vision / GPT-4V） |
二、开箱即用：零训练直接上
1. ddddocr —— 国内C位，综合最优
GitHub： github.com/sml2h3/ddddocr
协议： MIT，可商用
星标： 10000+
这是目前Python生态中最火的开源验证码识别库，没有之一。
核心能力：
- 文字验证码（数字/字母/中文扭曲干扰）
- 滑块缺口定位（slide_match）
- 目标检测（汉字点选定位）
- 平均识别耗时 100ms 以内，CPU 即可跑
技术架构：
- OCR 用自研 CRNN+CTC（针对中文验证码优化）
- 目标检测用 YOLO 系列
- 滑块匹配用孪生网络
- 推理走 ONNX Runtime，完全离线
一行代码搞定：
`python
import ddddocr
ocr = ddddocr.DdddOcr(show_ad=False)
result = ocr.classification(image_bytes)
`
滑块用法：
`python
slide = ddddocr.DdddOcr(det=False, show_ad=False)
result = slide.slide_match(target_bytes, background_bytes)
# 返回缺口坐标
`
💡 如果你只想要一个库通吃大部分常规验证码，直接上 ddddocr，基本不用折腾。
2. AntiCAP —— 全题型AI识别
GitHub： github.com/81NewArk/AntiCAP
架构： YOLOv8 + 孪生网络 + CRNN
唯一开源同时覆盖：
- 文字验证码
- 滑块、旋转验证
- 文字点选、图标点选
- 算术验证码
自带 Web 可视化后台，适合复杂人机验证场景。
3. captcha-recognizer —— 滑块专用
YOLOv8 检测缺口，比 ddddocr 的滑块精度更高，专攻拼图验证这一件事。
`python
from captcha_recognizer import Recognizer
result = Recognizer().identify_gap(image_path)
`
4. GeekedTest —— 极验v4专用破解
GitHub： github.com/xKiian/GeekedTest（627 星）
特点： 纯 HTTP 方案，不需要浏览器
支持极验 v4 的滑块、图标点选、五子棋三种验证码类型。通过 curl_cffi 模拟浏览器指纹，直接调用极验 API 完成验证。
`python
from geeked import Geeked
geeked = Geeked(“captcha_id”, “icon”)
seccode = geeked.solve()
`
5. NoCaptcha AI —— 浏览器扩展方案
GitHub： github.com/noCaptchaAi/NoCaptcha-Ai-Browser-Extension（335 星）
Chrome/Firefox 扩展，支持 reCAPTCHA v2、OCR 验证码，适合需要浏览器自动化的场景。
6. CaptchaSonic —— AI Agent 集成
GitHub： github.com/Captcha-Sonic/CaptchaSonic-Extension（39 星）
新项目，2024年12月创建
支持 Selenium、Puppeteer、Playwright 集成，还有 MCP Server 可直接被 AI Agent 调用。覆盖 Geetest、reCAPTCHA、AWS WAF 等多种验证码。
三、自己训练：追求极致准确率
当通用模型识别率不够时，就需要用自己的数据集训练专用模型。
1. captcha_trainer —— 工业级训练工具
GitHub： github.com/kerlomz/captcha_trainer
- 支持 CNN+CRNN+CTC、DenseOCR、ViT 多模型可选
- 完整可视化训练界面
- 自动标注、自动生成训练集
- 导出 ONNX 模型可直接给 ddddocr 加载
适合企业自有系统专属验证码，通用模型识别差时定制训练。
2. CRNN + CTC —— 经典文字验证码方案
技术栈： CNN 提特征 → 双向 LSTM 建模上下文 → CTC Loss 免分割
推荐项目：
- XuMian-xm/OCR-captcha-crnn：6位英文数字，附带 YOLO 对比
- sanniel0315/ai_captcha-streamlit：带 Streamlit UI，4位大写准确率 >95%
训练数据需求： 2000~5000 张同风格样本即可达到 90%+
3. YOLO + CRNN —— 点选类组合拳
流程：YOLO 框出所有候选字/图标 → CRNN 认每个框里是啥 → 按提示顺序点击
推荐项目：
- 15950552800/Text_select_captcha：B站登录那种汉字点选，3000 张训练集
- MianXu/Captcha_Recognizer：YOLO11 + CRNN，HuggingFace 可直接拉
四、大模型新路子：传统OCR搞不定时的王牌
有些验证码字体扭曲到爆炸，或者有语义理解需求，多模态 VLMs 反而比专用模型省事。
1. OhMyCaptcha —— 全能选手
FastAPI + Playwright + 本地 Qwen3.5-2B 多模态，支持 19 种验证类型：
- reCAPTCHA v2/v3
- hCaptcha
- Cloudflare Turnstile
- 各类行为验证码
兼容 YesCaptcha 的 createTask/getTaskResult 协议，支持 Docker 部署。
2. GPT-4V / Gemini Vision —— 降维打击
对于极其复杂的验证码，直接调用多模态大模型的视觉能力：
- openai-captcha-detection：调 GPT-4o 识别，号称接近 100% 准确率
- captcha-gemini：Cloudflare Workers + Gemini Pro Vision
3. GLM-OCR —— 国产轻量级
智谱开源的 0.9B 参数轻量 OCR 模型，多项基准 SOTA，API 调用成本极低。
4. auto_captcha —— 浏览器内自动识别
Chrome 扩展，集成通义千问 Qwen3-VL 视觉语言模型，在浏览器环境中自动识别并填写验证码。
五、行为验证破解：滑块、拼图、旋转
这类验证码单纯识别图片不够，需要模拟人类行为。
1. OpenCV + Playwright/Selenium —— 标准方案
`python
# 1. 模板匹配找缺口
import cv2
result = cv2.matchTemplate(background, target, cv2.TM_CCOEFF_NORMED)
gap_x = cv2.minMaxLoc(result)[3][0]
# 2. 贝塞尔曲线模拟人类轨迹
def bezier_curve(start, end, control, steps=30):
points = []
for t in [i/steps for i in range(steps+1)]:
x = (1-t)2 * start[0] + 2*(1-t)*t * control[0] + t2 * end[0]
y = (1-t)2 * start[1] + 2*(1-t)*t * control[1] + t2 * end[1]
points.append((x, y))
return points
`
2. Buster —— reCAPTCHA 语音绕过
利用 reCAPTCHA 的语音辅助功能，通过 Speech-to-Text API 自动识别语音内容，从而绕过图形验证。
六、选型速查表
| 项目 | AI核心 | 文字验证码 | 滑块 | 点选/旋转 | 需要训练 |
|---|
|—|—|—|—|—|—|
| ddddocr | CRNN+YOLO | ✅ 强 | ✅ | ❌ | 开箱即用 |
|---|---|---|---|---|---|
| AntiCAP | YOLOv8 | ✅ | ✅ | ✅ 全部 | 开箱即用 |
| GeekedTest | 自研协议 | ❌ | ✅ | ✅ | 开箱即用 |
| captcha_trainer | CRNN/ViT | ✅ 极致 | 可训练 | 可训练 | 需数据集 |
| captcha-recognizer | YOLOv8 | ❌ | ✅ 专用 | ❌ | 开箱即用 |
| OhMyCaptcha | Qwen3-VL | ✅ | ✅ | ✅ | 开箱即用 |
| PaddleOCR | PP-OCR | 一般 | ❌ | ❌ | 开箱即用 |
七、实战建议
80% 场景： pip install ddddocr 一把梭，字符/滑块/中文点选都覆盖，离线、轻量、MIT 协议随便商用。
需要定制时： captcha_trainer 训练专属模型，2000~5000 张样本 90%+ 准确率。
极验/Cloudflare 等现代验证码： GeekedTest（纯HTTP）或 OhMyCaptcha（多模态+浏览器自动化）。
reCAPTCHA/hCaptcha： OhMyCaptcha 或 Buster 语音绕过。
八、合规提醒
验证码识别技术建议只用于：
- 自有系统的自动化测试
- 合规爬虫（遵守 robots 协议 + 《网络安全法》）
- 无障碍辅助功能开发
所有工具本地离线运行，不上传图片至第三方。请勿用于恶意注册、刷票、暴力破解等非法用途。
总结： AI 验证码识别已经进入成熟期，ddddocr 覆盖 80% 场景，YOLO+CRNN 解决定制需求，多模态大模型处理极端情况。选对方案，验证码不再是障碍。
关注攀岩者，每天分享 AI 实战笔记，陪你从零基础到 AI 达人。
发表回复