| name | image-ocr |
| version | 2.0.0 |
| description | 本地离线 OCR 文字识别,基于 tesseract.js。当用户发图片/截图/扫描件要求提取文字时使用,支持中英文。纯本地运行,无需联网。 |
| allowed-tools | read,shell |
| requires | {"npm":["tesseract.js"]} |
| metadata | {"tags":["OCR","Images","Text-Extraction","Screenshots","Documents"]} |
Image OCR (v2)
基于 tesseract.js(WASM)的本地离线 OCR,零系统依赖。
语言包(~30MB)首次使用自动从 S3 下载,缓存到本地后离线可用。
触发条件
当用户提供图片并要求识别其中文字时触发:
- 「识别这张图」「OCR 一下」「图片里写了什么」「提取文字」「帮我看看这张截图」
- 截图 / 照片 / 扫描件 / PDF 页面,任意图片格式
- 中英文混合内容
使用方式
识别单张图片
node <skill-path>/scripts/ocr.js <image-path>
首次运行会自动下载中英文语言包,约 30MB,只需一次。
指定语言
node <skill-path>/scripts/ocr.js <image-path> --lang=eng
node <skill-path>/scripts/ocr.js <image-path> --lang=chi_sim
node <skill-path>/scripts/ocr.js <image-path> --lang=chi_sim+eng
输出 JSON(含置信度)
node <skill-path>/scripts/ocr.js <image-path> --json
识别 PDF
- 用
shell 工具将 PDF 每页转为 PNG
- 逐页运行
node .../scripts/ocr.js <page-N.png>
注意事项
- 图片质量直接影响准确率,模糊图片需提前提醒用户
- 手写体效果较差,务必告知用户
- 不要脑补/编造图片中不存在的文字