OCR – Image Text Recognition (Local)

OCR – Image Text Recognition (Local) 是什么

把截图、扫描件或照片中的印刷文字在本机转换为纯文本或 JSON，重点支持简体中文、繁体中文和英文混排。

适用场景

适合截图摘录、纸质文档数字化、图片表单预处理和隐私敏感的离线文字提取。

核心能力与工作机制

清单提供语言组合、纯文本与 JSON 输出选项，并说明首次语言包下载、缓存和清晰度对准确率的影响。

执行流程

选择图片与语言，先用默认中英组合运行；检查结果后按版面和语种调整参数，必要时预处理对比度或裁切区域。

输入与输出

需要本地图片路径和可选语言代码、输出格式。输出识别文本或结构化 JSON；原图不会因识别自动修改。

依赖、账号与权限

依赖 Node.js、Tesseract.js 和语言数据；首次使用每种语言约需下载 20MB 并写入缓存。

副作用、限制与风险

模糊、低对比、复杂排版和手写内容准确率可能很低，识别结果可能混淆数字和字符。首次运行会联网下载语言包并在本地缓存，处理内容留在本机。

不适用边界

不保证手写、印章、表格结构或专业票据字段的高精度，也不是文档真实性鉴定。

失败处理与验收

识别为空时检查路径、格式和语言包，再尝试裁切、放大、旋转和增强对比度。对关键姓名、金额、日期逐字与原图抽查，结构化用途应设置置信度或人工复核门槛。

适合谁使用

适合需要轻量、本地、多语言 OCR 的办公和开发用户。

来源、版本与许可

本条目依据 SkillHub 热门榜、发布者详情和版本 1.0.0 的完整 SKILL.md 整理，核验日期为 2026 年 9 月 21 日。完整 SKILL.md 未声明许可证，公开可下载不代表可以任意复制、修改或再分发。 SkillHub 当前两套安全扫描状态为 benign、benign；该状态只是平台信号，不能替代对脚本、凭据、网络请求、数据外送与后续版本的人工审查。

常见问题

1. OCR – Image Text Recognition (Local) 主要解决什么问题？

把截图、扫描件或照片中的印刷文字在本机转换为纯文本或 JSON，重点支持简体中文、繁体中文和英文混排。适合截图摘录、纸质文档数字化、图片表单预处理和隐私敏感的离线文字提取。是否采用它，应以实际任务边界和可核验材料为准，不要因为榜单热度而跳过来源审查。

2. 开始前需要准备什么？

需要本地图片路径和可选语言代码、输出格式。准备阶段不要代替用户猜测关键事实；缺少会改变路线、费用或权限的输入时，应先补齐再执行。

3. 它怎样完成任务并交付结果？

选择图片与语言，先用默认中英组合运行；检查结果后按版面和语种调整参数，必要时预处理对比度或裁切区域。每个阶段都要保留输入、决策、输出和检查点，不能把计划、预览或排队状态描述成最终交付。

4. 需要哪些工具、账号或权限？

依赖 Node.js、Tesseract.js 和语言数据；首次使用每种语言约需下载 20MB 并写入缓存。凭据应放在安全环境中，并按最小权限授权；账号、网络或本地依赖不满足时应明确停止条件。

5. 它会产生哪些外部操作或副作用？

首次运行会联网下载语言包并在本地缓存，处理内容留在本机。涉及外部写入、上传、发送、付费或持久配置时，应在实际动作前说明影响范围并取得相应确认。

6. 哪些情况不适合使用？

不保证手写、印章、表格结构或专业票据字段的高精度，也不是文档真实性鉴定。超出来源明确能力、专业资质或授权范围时，应切换到更合适的工具或交给专业人员处理。

7. 失败或结果异常时怎样恢复？

识别为空时检查路径、格式和语言包，再尝试裁切、放大、旋转和增强对比度。恢复时优先查询已有任务、日志或备份，避免无上限重试、重复扣费、重复发送或覆盖唯一原件。

8. 如何验收结果并控制风险？

对关键姓名、金额、日期逐字与原图抽查，结构化用途应设置置信度或人工复核门槛。验收应基于真实文件、页面、任务终态或权威来源，并把未能实际检查的部分明确标记出来。