pdf-ocr

PDF OCR技能用于从影印版PDF文件和图片文件中提取文字内容。该技能支持两种OCR引擎： 安装RapidOCR以获得本地识别能力： RapidOCR引擎 ： 硅基流动API引擎 ： 对于复杂的扫描版PDF或图片，识别准确率可能会有所不同 建议使用高清晰度的扫描版PDF或图片以获得更好的识别效果 在与 AI IDE 中的助手交互时，您可以使用以下提示词来指定使用不同的 OCR 引擎： 示例 1：使用本地引擎 示例 2：使用云端引擎 示例 3：自动选择 当 AI 助手接收到这些提示词时，会： 通过使用这些提示词，您可以在与 AI IDE 交互时灵活控制 OCR 引擎的选择，获得最佳的识别效果 RapidOCR初始化失败 硅基流动API 401错误 PDF转图片失败 识别结果为空 MIT License - 详见 LICENSE.txt - RapidOCR （本地引擎）：无需API密钥，免费使用，识别速度快 - 硅基流动大模型 （云端引擎）：使用AI大模型进行高精度OCR识别 - 支持影印版PDF文件的文字提取 - 支持多种图片格式的文字识别（JPG、PNG、BMP、GIF、TIFF、WEBP） - 双引擎支持 ：RapidOCR（本地）和硅基流动API（云端） - 支持中文和英文文字识别 - 保持文字的顺序和结构 - 自动将PDF页面转换为图片进行识别 - 智能引擎切换：当RapidOCR初始化失败时自动切换到硅基流动API - 复制 .env.example 文件并重命名为 .env - 根据需要配置以下选项： - PDF文件 : .pdf - 图片文件 : .jpg, .jpeg, .png, .bmp, .gif, .tiff, .webp - 处理扫描版合同、协议等文档 - 提取影印版书籍、报告中的文字 - 处理无法直接复制文字的PDF文件 - 批量处理扫描版PDF文档 - 识别截图、扫描件等图片中的文字 - 处理手写体或印刷体图片文字识别 - RapidOCR引擎 ： - 完全免费，无需网络连接 - 首次使用会自动下载模型文件 - 识别速度取决于CPU性能 - 硅基流动API引擎 ： - 需要有效的API密钥 - 可能会产生费用 - 识别速度取决于文件页数、图片大小和网络状况 - 对于复杂的扫描版PDF或图片，识别准确率可能会有所不同 - 建议使用高清晰度的扫描版PDF或图片以获得更好的识别效果 - "使用本地 OCR 引擎处理这个 PDF" - "用 RapidOCR 识别这个文件" - "本地处理，不需要 API" - "快速识别这个文档" - "离线处理这个 PDF" - "不使用硅基流动 API，用本地引擎" - "使用硅基流动 API 处理这个 PDF" - "用大模型 OCR 识别这个文件" - "高精度识别这个文档" - "处理复杂的扫描件" - "用云端 OCR 引擎" - "使用 AI 大模型识别" - 解析用户意图，确定要使用的引擎 - 调用 PDFOCRProcessor(engine="rapid") 或 PDFOCRProcessor(engine="siliconflow") - 执行 OCR 识别并返回结果 - 明确指定引擎 ：如果您对引擎有特定要求，最好在提示词中明确说明 - 提供上下文...