OCR Skill 是一个从图片和 PDF 中提取文本的技能，适用于读取截图、照片、扫描文档或任意图片文件中的文字。
用途 当你需要从图像或 PDF 中获取文字内容时使用该技能，例如读取截图、照片、扫描件等。
主要能力
- 从图片中提取文本，支持格式：PNG、JPG、JPEG、BMP、GIF、WEBP、TIFF。
- 从 PDF 文档中提取文本。
- 默认使用 DeepSeek-OCR；可通过 --fast 选项改用速度更快的 PaddleOCR。
- 支持通过 --prompt 传入自定义提示词，例如“将表格提取为 markdown”。
- 支持通过 --json 以 JSON 格式输出结果。
使用方式 从图片或 PDF 提取文本，运行： python3 "/Users/mrshaper/Library/Application Support/com.differentai.openwork/workspaces/starter/.opencode/skills/paddle-ocr/scripts/ocr.py" "/path/to/image.png"
选项
- --prompt "text"：自定义提示词（例如“Extract table as markdown”）。
- --fast：使用更快的 PaddleOCR 而非 DeepSeek-OCR。
- --json：以 JSON 格式输出。
示例
基础 OCR
python3 scripts/ocr.py image.png
将表格提取为 markdown
python3 scripts/ocr.py table.png --prompt "Extract this table as markdown"
快速模式
python3 scripts/ocr.py image.png --fast
PDF OCR
python3 scripts/ocr.py document.pdf
适用场景 需要从截图、照片、扫描文档或任意图片文件中读取文本的场景；需要从 PDF 中提取文本的场景；需要将表格提取为 markdown 的场景。
限制 关于收费、价格、平台、效果等具体信息暂未提供。