OCR - Image Reader
ID
bhbhjjkcoghibhibegcmbomkbakkpdbo使用 OCR 从选定屏幕区域提取文字,支持 Tesseract 和 IBM Granite-Docling 识别。
应用截图
详细介绍
一款光学字符识别(OCR)扩展程序,用于捕获图像并将其转换为文字。
此扩展程序在浏览器工具栏中添加一个按钮,用于执行 OCR。按下此操作按钮后,用户可以在当前活动窗口中选择一个区域。扩展程序会捕获该区域,并尝试使用内置 OCR 引擎(Tesseract 引擎)识别其中的文字。此扩展程序使用“tesseract.js”库,支持 100 多种语言、自动文字方向和文字系统检测。
此扩展程序会在页面上加载 JS 库,并在您完成操作后将其移除,因此不会长期占用资源。
引擎:
Tesseract:只能从图像中提取纯文本,不保留格式
IBM Granite-Docling:可以准确识别标题、列表、样式(粗体、斜体)、表格和数学公式。
注意:
1. 首次运行时,扩展程序可能需要几分钟从互联网获取训练数据。该资源会被缓存,因此之后的调用都会很快。
2. 光学字符识别(OCR)速度较慢,因此扩展程序会为每个检测模块显示进度条。
3. 此扩展程序离线执行 OCR,不与服务器交互,只会获取一次语言训练数据库。
4. 此工具可用于从图像、PDF 文档、PowerPoint 幻灯片中提取文字内容,也可以在网页禁止用户选择内容时提取网页内容。
5. 如果文字提取的置信度较低,扩展程序会反转图像并重试(在深色主题下尤其有用)。
6. 如果文字提取不准确,您可以修改图像并将其拖入界面重试。
更新日志:
版本 0.2.4:
支持浏览器级页面缩放和操作系统级屏幕缩放
新增图像语言检测(仍为测试版)(操作较慢)