使用Apache Tika+Tesseract提取扫描PDF的速度较慢

Apache Tika extract scanned PDF files ,它可以很好地扫描文档。但问题是,它占用了太多的时间和CPU利用率。

就我而言, 15 MB 文件具有 23 pages 大约需要 ~4.5 minute 这太高了。请在下面找到我的工作代码,

Parser parser = new AutoDetectParser();
BodyContentHandler handler = new BodyContentHandler(Integer.MAX_VALUE);

TesseractOCRConfig config = new TesseractOCRConfig();
PDFParserConfig pdfConfig = new PDFParserConfig();
pdfConfig.setExtractInlineImages(true);

ParseContext parseContext = new ParseContext();
parseContext.set(TesseractOCRConfig.class, config);
parseContext.set(PDFParserConfig.class, pdfConfig);
//need to add this to make sure recursive parsing happens!
parseContext.set(Parser.class, parser);

Metadata metadata = new Metadata();
parser.parse(inputStream, handler, metadata, parseContext);
String content = handler.toString();

如何使其更优化/更快?有什么建议吗?