SuperAPI AI 工具集

multi-lang-ocr

设计与创作

查看项目

更新于 10-16 00:04

技能介绍

用途:从图片、截图、扫描件中提取文字,支持中文、英文、中英混排、日文、韩文,适合截图转文字、扫描文档识别、名片信息提取、表格转文本,以及处理 PDF 中无法直接提取文字的扫描页。

主要能力:采用分层引擎策略。macOS 13+ 优先使用系统内置 Vision Framework,无需安装依赖,中英混排识别质量较好;跨平台可安装 rapidocr-onnxruntime(约 50MB,基于 PaddleOCR v4 的 ONNX 推理版本),自动检测中英文,无需指定语言。简体中文、英文、中英混排、繁体中文在两种引擎下均默认支持;日文、韩文在 macOS Vision 下默认支持,rapidocr 需额外下载模型。

使用方式:通过 nodes 写 Python 脚本执行,优先尝试 macOS Vision,不可用时降级到 rapidocr。安装命令为 pip install rapidocr-onnxruntime。基本调用为 from rapidocr_onnxruntime import RapidOCR; engine = RapidOCR(); result, elapse = engine("/path/to/image.png"),result 为 [[坐标, 文字, 置信度], ...]。支持批量处理目录中所有图片并合并输出为 Markdown。

输出规范:展示纯文本识别结果,多页按页码分段,表格尽量用 Markdown 表格保持结构,结果可写入文件并告知路径。

限制:所有 OCR 在本地完成,图片不上传云端,处理完成后清理临时文件。识别效果差(文字模糊或手写)时会提示用户并提供更清晰图片。日文、韩文在 rapidocr 下需额外步骤。macOS Vision 需 macOS 13+。其他平台、价格、性能指标等资料暂未提供。