Descobrimos que o formato do arquivo de configuração foi alterado com a versão atual do Ubuntu do tesseract (3.02.01): link . O Tesseract agora pode ser instruído para imprimir em formato hocr com um arquivo de configuração de linha única tesseract-config
:
tessedit_create_hocr 1
Como observado na pergunta, o tesseract pode ser instruído a ler o arquivo de configuração passando a opção -tesso
para pdfsandwich
:
pdfsandwich -tesso tesseract-config test.pdf