OCR图片转文字
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_e562897e/ocr-image-to-text。
技能介绍
解决什么问题
在物理世界中捕获信息后,文本往往被困在图片里。无论是白板照片、带有报错信息的截图,还是纸质文档的扫描件,想要直接复制出可编辑的纯文本,通常意味着要中断当前流程去手动重打一遍字。
OCR图片转文字 将这种按需字符提取定位为一种结构化工作流,让非结构化视觉数据转化为适合代码处理的干净文本。
工作原理
该技能提供规范的 6 步工作流,配合使用者自有 OCR 引擎实现提取:
收图与预处理:要求输入清晰且正向的图片。对于模糊图,建议提升对比度;倾斜图则先纠正角度以减少错判。定范围提取:支持整图识别或通过框选特定区域提取。框选在处理密集版面时显著降低了错误率,且中英文混排也能准确还原。出文本与标异常:严格按照原图排版输出段落。遇到不确定的字,会用〔?〕标记并在文本末尾汇总异常点。给下一步:若场景涉及表格,会提示切换到特定的表格提取工作流,而不是强行转写。
适用边界与校准
此技能不依赖硬编码视觉模型,识别引擎由使用者自行配置。输出内容一律是草稿,需要工程化校对流程介入。
- 验证关键字段:金额、日期和专有名词是错误高发区,必须二次核对。
- 质量自检:输出末尾均要求确认所有数字无丢位,并检查表格是否提示“建议走表格提取”。
使用场景
- 白板讨论后拍了照片,要把上面的思路整理进在线文档存档,需要提取图中文字
- 应用报错截图发给同事排查,对方想直接复制报错文本搜索解决方案,不用手动重打
- 手头有一批纸质发票需要录入系统,想把发票上的金额和日期提取成可编辑文本
- 聊天截图里有多条关键信息,需要提取成纯文本再分类归档到笔记里
适合人员
- 经常需要把白板照片或纸质文档转成电子版的团队成员,想省去手动重打字的麻烦
- 负责发票和凭证录入的财务,想快速提取票据上的关键金额和日期信息
- 经常处理报错截图和日志截图的开发者,想把截图里的文字直接变成可搜索的文本
- 整理课堂或会议拍照笔记的学生和参会者,想把照片里的板书转成可编辑的复习材料