Dimonchik

по-моему, достаточно векторной близости безо всяких нейросетей
ну или обучить корпус кивордам, говорящим о ремонте, их будет штук 20 (если не 5) для официоза, и 200 для простой речи

к слову, в новомодных GTP в основе все она же, родимая
хорошо видно по казусам
просто корпус огромный и тут уже предобучение решает

1. tesseract (pytesseract)
2. что-то заточенное очень быстрое с huggingface.co

ABBYY конечно

https://www.abbyy.com/ru/ocr-sdk/

abbyy только
остальные на tesseract и работают, странно что не завелось

конечно нет

сначала оставляете нужные места , потом их в tesseract / abbyy и т.п.

https://ru.wikipedia.org/wiki/Tesseract

и конкретно для кодинга, например, pytesseract - обертки есть под любой популярный язык

https://pypi.org/project/pytesseract/

фотошопом, если тектс один и примерно в одном и том же месте

Экшен делаешь и вперед батчем

либо нейронными сетями ))))))

экспортировать в из cvs/exel etc, а потом в html форму.

такого полно

а вот с распознавалкой - если Pytesseract не помог, то см. foxitsoftware - есть у них тулза для командной строки,
или finereader - кажется, тоже есть

хаотичный нейронными сетями

нехаотичный так:
https://www.quora.com/How-do-I-remove-a-watermark-...

так чтобы передать дальше в потоке - нету
ну или очень недешево, если точнее

если в картинку - OpenCV

https://github.com/Breta01/handwriting-ocr

https://pypi.org/project/pytesseract/
https://www.pyimagesearch.com/

проще решать приведением и текста и надписи в печатный вид

что до самой тематики - одна из самых востребованных / упражняемых в ML, наверно, на втором месте после картинок

см. neural network handwriting recognition

https://github.com/tesseract-ocr/