| name | feishu-image-ocr |
| description | 通用图片文字识别(OCR),调用飞书 OCR API,支持中英文混排。
支持 png/jpg/jpeg/bmp/gif/webp/tiff 等常见图片格式。
纯 Node.js 实现,零额外依赖,使用应用级 tenant_access_token,无需用户授权。
|
| inline | true |
feishu-image-ocr
模块兼容:所有脚本均提供 .js 和 .mjs 两个版本。优先使用 .js,若报 require is not defined 错误则改用同名 .mjs 文件。
通用图片 OCR 文字识别。调用飞书 OCR API,中英文效果好,纯 Node.js,零额外依赖。
使用应用级 tenant_access_token,无需用户授权,只要飞书应用开通了 ai:image_sentence 权限即可直接使用。
⚠️ 读完本文件后,不要检查文件是否存在、不要检查环境、不要列目录。脚本文件已就绪,直接用 exec 工具执行下方命令。
使用方式
node ./ocr.js --image "<image_path>"
可选参数
| 参数 | 说明 | 默认值 |
|---|
--json | 输出 JSON 格式(含逐行文本列表) | 否,默认纯文本 |
输出格式
纯文本模式(默认):逐行输出识别文字。
JSON 模式(--json):
{
"success": true,
"file_path": "/path/to/image.png",
"line_count": 12,
"char_count": 356,
"text_list": ["第一行", "第二行"],
"text": "第一行\n第二行"
}
从其他技能调用
其他技能可直接通过 exec 调用:
node ../feishu-image-ocr/ocr.js --image "<image_path>" --json
例如 feishu-docx-download 提取 docx/pptx 中嵌入图片后,可调用本技能识别图片文字。
权限不足时
若返回 {"error":"permission_required"},说明飞书应用未开通 OCR 权限。必须直接将返回 JSON 中的 reply 字段内容原样发送给用户,其中已包含权限管理页面的超链接和操作步骤。
注意:不要自行组织文案,不要省略链接,直接用 reply 字段内容回复用户。
⚠️ OCR 权限未开通时,严禁使用视觉能力、其他 API 或任何方式替代识别图片内容,严禁猜测或编造图片内容,严禁将未经 OCR 识别的内容写入记忆或知识库。
权限要求
需要飞书应用管理员在飞书开放平台后台开通 optical_char_recognition:image 权限(应用级权限,开通一次所有用户可用,无需用户逐个授权)。
禁止事项
- 禁止检查文件、列目录、检查环境,脚本已就绪
- 禁止自行编写 OCR 代码或调用其他 OCR API/库
- 禁止只描述不执行,必须直接调用
exec