截图文字提取、PDF转可编辑文档？这个开源OCR工具帮你搞定
你有没有遇到过这种情况——客户发来一张截图，里面是一份合同或者报价单，你需要把里面的文字一个个敲进电脑？或者导师丢给你一本扫描版的PDF古籍，让你整理里面的内容做文献综述？
今天挖到一个开源工具 iflytek-pdf-image-ocr，来自讯飞开放平台，专门解决「图片/PDF转文字」这个高频办公痛点，而且是本地运行、代码开源，隐私安全自己掌控。
它能做什么？
这个 Skill 支持两大核心功能：
图片 OCR：扔进去一张截图或照片，能自动识别里面的文字，支持多语言——中文、英文、日文、韩文都能识别。不管是印刷体还是手写体（效果会更好），基本都能hold住。
PDF 识别：直接把扫描版 PDF 转成可编辑的 Word、Markdown 或者 JSON 格式。适合处理那些不能复制文字的扫描文档。
输出格式可以自己选，支持纯文本、Markdown（方便直接进笔记软件）、JSON（方便程序处理），非常灵活。
实际使用场景
场景一：处理客户发来的截图合同
以前：一个个字敲。现在：截图丢进去，直接出文字，核对修改效率提升好几倍。
场景二：整理扫描版古籍/文献
导师丢来一本扫描的PDF古籍，直接转成 Markdown 丢进笔记软件，做标注、整理、引用都方便。
场景三：批量处理发票/报表
财务或者行政人员经常要处理大量纸质文档的电子化，用脚本批量跑，解放双手。
怎么用？
需要先在讯飞开放平台申请 API 凭证（免费额度够个人日常用），然后克隆仓库配置一下环境变量就可以跑了。
# 图片OCR
python3 scripts/image_ocr.py /path/to/image.jpg
# PDF转Markdown
python3 scripts/pdf_ocr.py document.pdf --format markdown
上手门槛不高，会用 Python 基础命令就行，文档也写得比较清楚。
优缺点说说
优点：开源可控，本地运行不用担心文件上传泄露；支持多种格式输出；多语言识别效果不错。
缺点：需要申请讯飞的 API Key，有一定的配置成本；如果是纯免费使用有调用量限制，高频使用可能需要付费。
总体来说，如果你经常需要处理图片或者扫描件转文字，这个 Skill 是个实用的效率工具，推荐试试。
GitHub 仓库：https://github.com/iflytek/iFly-Skills
评论区
登录后可评论。