用途：用于从图像型文档中提取文字，包括扫描 PDF、拍照页面、截图以及含文字的 JPEG/PNG/TIFF。Xberg 会对光栅图像自动 OCR，并对缺少文本层的 PDF 自动检测；若 PDF 看似有文字但提取结果为空或乱码，可强制开启 OCR。
主要能力：支持多后端。Tesseract 为默认后端并随 CLI 提供，无需额外安装，通用性最好，通过 tessdata 支持 100 多种语言；PaddleOCR 内置（ONNX Runtime），擅长亚洲文字，但不适用于 WASM 或 Windows；Candle VLM 内置本地视觉 OCR 模型（candle-trocr、candle-paddleocr-vl、candle-glm-ocr、candle-hunyuan-ocr、candle-deepseek-ocr）；VLM 为托管多模态 LLM，需 liter-llm provider 与 --vlm-api-key，适合密集或手写版面。
使用方式：常用命令如 xberg extract scan.pdf --force-ocr=true、xberg extract scan.pdf --ocr=true --ocr-language eng。--force-ocr=true 会对每页重新栅格化并 OCR。语言包使用 ISO 639-2 代码，默认 eng，可用 + 组合，如 --ocr-language "eng+deu"，或 all 使用全部已装包。其他标志包括 --disable-ocr=true、--ocr-backend、--ocr-auto-rotate=true、--acceleration。批量用 xberg batch *.pdf --ocr=true。长参数可写入 xberg.toml 自动发现，再运行 xberg extract document.pdf。
性能与限制：缓存默认开启，重复提取同一文件与配置很快；--target-dpi 默认 300，仅低分辨率扫描件宜提高，200 通常够印刷文字；auto-rotate 会增加延迟；Apple Silicon 上 --acceleration coreml 对 paddle-ocr 与版面检测常优于 CPU。缺失语言包会在 OS 层安装，如 brew install tesseract-lang 或 sudo apt install tesseract-ocr-<iso639-2>。常见失败：缺失 tessdata、无 --force-ocr 时扫描 PDF 空内容、旋转页面、CJK 乱码。
适用场景：扫描档案、拍照文档、截图与混合扫描/数字 PDF 的批量文本提取。限制：后端可用性受平台影响；托管 VLM 需 API key；手写或密集版面可能需切换后端。