OCR-Pro 中英文识别加强版

问题

扫描件、PDF 和手写文档经常让文字提取变得不稳定：印刷体中英文混排、低质量扫描、手写断笔、数学公式混在正文中，单模型识别容易出现 rn/m、0/O 混淆，也会丢失标题、段落和公式结构。

工作方式

该技能按 预处理 → 多引擎识别 → LLM 纠错 组织流程。输入 PDF 时先判断数字 PDF 或扫描件，能直接提取文字就不走 OCR；扫描件转图片后，再按英文印刷体、手写体、中英混合等场景选择预处理策略。识别层可组合 RapidOCR、EasyOCR、TrOCR、Pix2Text、PP-OCR 等引擎：普通中英文走本地轻量模型，手写英文优先 TrOCR，公式图片用 Pix2Text 输出 LaTeX，含公式文档则拆分文字与公式区域。最后用视觉模型对照原图校正 OCR 文本，输出 txt、json、markdown 或 latex。

适用与边界

适合英文手写作业、数学公式、中英文扫描件、教材论文和表格结构提取。注意 TrOCR 模型较大，首次使用依赖网络下载；公式识别面向明确公式图像，复杂排版仍需人工校对；高准确率场景建议多引擎交叉验证并保留原图用于 LLM 纠错。