图片截图文字提取
把截图、照片、扫描件或扫描 PDF 发给它,逐行提取出可复制可检索的纯文字,中日韩文、小字和手写体准确率较高,还能带上文字框坐标。
功能与用途
截图里的文字没法复制、整页扫描件要重新录入时,这个能力用 PaddleOCR 的行级识别把图变成可编辑文本,可选输出每行文字的检测框坐标用于定位。它只做纯文字提取,遇到表格、公式、图表或复杂版面应改用文档解析。需要本机有 paddleocr 命令行和访问令牌。
适用场景
- 网页与屏幕截图识字:直接将网页截屏、聊天记录或课件图片转为可编辑纯文本,免去手动重打,支持高精度识别中日韩文与密集小字。
- 纸质扫描件与PDF批量转录:针对多页扫描件或扫描版PDF,按指定页码范围提取逐行内容,快速生成便于检索和复制的纯文本。
- 带文本框坐标的图文校对:在提取文字的同时获取各行的检测框坐标与置信度分数,方便核对文字在原图中的对应位置。
适用人群
- 需要录入纸质资料的行政人员
- 整理截图素材的新媒体编辑
- 做语料采集的数据标注员
使用步骤
- 安装 paddleocr 命令行并配置 PADDLEOCR_ACCESS_TOKEN,确认接口可用
- 提供图片或扫描 PDF 的本地路径或网络 URL,并说明是否只要纯文字
- 平整截图可以关掉畸变矫正和方向分类提速,弯折拍照件则保留预处理
- 运行识别,必要时指定输出文件保存 JSON 结果
- 拿到逐行文本和识别置信度后,人工核对易错的人名、数字和标点
开始使用
将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。
技术信息
- 分类
- 办公
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes、国内 Agent
- 使用难度
- 进阶
- 版本
- 2.0.0
- 最近更新
- 2026-06-05
- 文件数
- 3
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
Use this skill whenever the user wants text extracted from images, photos, scans, screenshots, or scanned PDFs. Returns exact machine-readable strings with l...
使用前准备
- 需安装 paddleocr 命令行并配置 PADDLEOCR_ACCESS_TOKEN
依赖与权限
- PADDLEOCR_ACCESS_TOKEN
- 读取用户主动提供的内容