文字提取 (OCR) 测试版

什么是 OCR？

光学字符识别（OCR）是一种将文字图像——无论来自扫描文档、照片还是截图——转换为可被机器读取、可编辑文本的技术。其过程包括分析图像中的视觉图案、识别字符形状，并输出对应的文字。Tesseract.js 等现代 OCR 引擎使用经过训练的神经网络模型，能在多种语言和字体上实现高识别准确率。

什么时候需要 OCR？

• 数字化扫描文档——将纸质记录、收据和合同转换为可检索、可编辑的文本文件。
• 从截图中提取文字——从应用截图、错误信息或社交媒体帖子中提取文字，无需重新输入。
• 发票处理——从发票图像中提取供应商名称、金额和日期，用于会计流程。
• 学术研究——将印刷书籍或期刊中的段落数字化，便于引用和记笔记。
• 无障碍访问——将基于图像的内容转换为文字，供屏幕阅读器为视障用户处理。

OCR 的关键要点

• 多语言支持——借助训练好的模型，可识别英语、中文、日语、韩语及数十种其他语言的文字。
• 置信度评分——每个识别出的词都附带一个置信度百分比，帮你找出不确定的识别结果。
• 浏览器端处理——无需上传服务器。OCR 模型借助 WebAssembly 在你的浏览器中本地运行。
• 格式灵活——可接受 JPEG、PNG、BMP、TIFF 等常见图像格式作为输入。
• 复制与导出——提取出的文字可复制到剪贴板，或下载为纯文本文件。