本地 OCR 文字识别

解决什么问题

图片里的文字经常无法直接编辑、检索或录入表格。把扫描件、截图、表单图片转成文本是常见需求，但不想上传敏感图片到云端，也不愿申请 API Key。这个技能提供一个本地 OCR 入口：用 Tesseract.js 在本地识别图片中的中文和英文，输出纯文本或 JSON。

如何工作

• 本地运行：识别过程依赖本地 Tesseract.js，不要求 API Key。
• 语言选择：通过 --lang 指定语言代码，默认 chi_sim+eng；支持 chi_sim、chi_tra、eng，可用 + 组合。
• 输出格式：默认输出纯文本；使用 --json 可得到 JSON 结构，便于程序后续解析。
• 缓存机制：首次运行会下载约 20MB 的语言数据，之后本地缓存，减少重复下载。

适用边界

适合清晰、高对比度的印刷体图片，例如网页截图、电子文档扫描件、表格图片。对模糊图片、复杂背景、低分辨率或手写文字，识别准确率可能波动。若需要繁体中文，应显式选择 chi_tra；若只要英文，可设置 eng 以避免混排模型带来的额外开销。