从图片中提取文字 带词级边框。

一款免费的 OCR 工具，可直接在浏览器中从图片和扫描版 PDF 提取可编辑文字——截图、收据、白板照片、扫描合同、证书、信函和档案。识别出的每个词都带有置信度和页面坐标，还可以选用设备端视觉模型对页面内容提问。

引擎是编译为 WebAssembly 的 Tesseract：不上传任何内容、无需账号，一批图片或一份 300 页 PDF 走的是同一个队列。

工作原理

Tesseract.js——把开源 Tesseract OCR 引擎编译为 WebAssembly 的版本——完全在你的标签页内执行识别。引擎核心和各语言训练数据按需下载并由浏览器缓存，首次使用后即可离线识别。语言选择提供 24 个芯片，覆盖英语、简繁中文、日语、韩语、主要欧洲语言，以及阿拉伯语、希伯来语、印地语、泰语、越南语等文字；底层 Tesseract 完整目录实际支持 100 多种语言。

识别前可对图片做预处理（灰度或二值化），以提升发虚或带噪点扫描件的准确率；页面分割模式——自动、单块、单行、稀疏文本——告诉引擎页面的排版方式。最低置信度滑条可把不可靠的词从文本视图中过滤掉。

逐页处理扫描版 PDF

PDF 会以应有的方式处理：每一页按约 144 DPI 栅格化并依序识别，多页信函或合同因此变成一份连续文本，而不是一文件夹截图。页面采用惰性渲染——只有正在识别的页进入内存——普通笔记本处理 300 页文档也成为可能。输出格式包括纯文本 TXT、带每个词边界框与置信度的 JSON，以及带位置和版式的 hOCR；在查看器中，每个识别出的词都叠加显示在页面上并按置信度着色。

批量队列与 ZIP 导出

图片和 PDF 共用一个串行队列，带逐项状态、词数、耗时和持续推进的进度条。加入一文件夹收据或一摞扫描信函后，它们会依次处理；失败项保持标记，重跑时只重试这些项，整个队列的结果可作为命名文本文件的 ZIP 一次性下载。除拖放文件外，也可以直接从剪贴板粘贴截图。

视觉模型智能提取

除转写外，智能提取会运行设备端视觉语言模型（Moondream，约 800 MB，经 WebGPU）对当前打开的页面回答自由形式的问题——比如“这张收据的总金额是多少？”或“这里盖的日期是什么？”它是独立的可选下载，需要 WebGPU，并且和 OCR 引擎一样透明披露：模型在本地运行，图片永不离开你的设备。

免费档与 Pro

免费档每批可处理 10 个源文件（每个 PDF 计为 1 个文件）、PDF 最多 30 页，批数不限。Pro 将队列提升到 50 个文件、PDF 最多 300 页。超出 PDF 页数上限的页面会被跳过并提示，而不会让整个任务失败。两档均无每日配额、运行次数或水印，且都包含商用授权。

质量技巧与隐私

清晰、光线充足、端正的印刷体图片识别近乎完美；草书手写、严重倾斜和装饰性字体始终是真正的难点，置信度叠加层会明确标出需要校对的位置。对于中日韩及阿拉伯文字页面，识别前选对语言是提升准确率最关键的一步。

合同、证件、病历表格或私人信件的扫描件在架构上就留在设备上——识别过程从不上传一个像素，这正是选择它而非免费在线 OCR 网站的根本理由。