Agent Skills
返回列表
智能图片转文字

智能图片转文字

办公效率 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_8a153b62/smart-ocr。

技能介绍

解决的问题

当 .doc、.docx、.pdf 文件主要是扫描页时，普通 OCR 常出现形近字、中英文混排空格、乱码片段和页码噪声。这个技能针对图片文字识别设计了一条可落地的清洗链路，而不是只做一次基础 OCR。

工作流程与边界

它先将文档转为图片，再通过 ocr_pipeline.py 执行 Tesseract 多策略识别、ocr_errors.json 常见错误替换和中文间空格清理。随后 ocr_deepseek.py 调用 DeepSeek 对文本做 0-10 分质量评分与受约束纠错；未配置 DEEPSEEK_API_KEY 时，会回退为仅 Tesseract 识别结果。技能还会跳过明显马赛克、模糊、过小或无文字图片，并生成带 ▎图片 N 标签的 .docx 输出。它适合扫描中英文档、图片文字提取和对 OCR 结果做二次校对；不适合作为高精度表格还原、复杂版式解析或完全离线且无需 AI 纠错的纯 OCR 场景。

使用场景

  • 处理扫描件 PDF，把每页图片中的中英文正文转成可编辑文本并导出 .docx。
  • 用户上传包含多张图片的 .docx，要求识别图中合同条款并修正形近字。
  • 对 Tesseract 结果乱码较多的扫描页，先评分再调用 DeepSeek 做保守纠错。
  • 识别前过滤马赛克、小图标和无法读取图片，并在文档中标注跳过原因。

适合人员

  • 处理扫描合同或报告的文档专员，需要把图片正文转为可编辑文本并减少错字。
  • 维护知识库的技术写作工程师，需要抽取多页扫描资料中的中英文段落。
  • 做 OCR 质量对比的平台工程师，需要一条可回退到 Tesseract 的校验流水线。
  • 处理档案图片的档案管理员，需要跳过马赛克和无效图片并保留来源文件名。