最佳实践

免费的图片、PDF扫描识别（OCR）

什么是OCR

OCR（Optical Character Recognition），全称是：光学字符识别‌，是一种将图像中的文字转换为可编辑、可搜索的机器可读文本的技术。它利用图像处理与模式识别算法，把纸质或图片中的文字“翻译”成计算机能处理的文本数据。‌‌

在老师的日常办公场景中，OCR是不可或缺的一项需求，教材、试卷、论文、作业、参考资料等的文本识别经常需要。为此，Taiwe内置了Taiwe OCR功能，让老师们能够免费的使用，满足日常所需。

1、免费

没错，Taiwe为广大老师提供免费的OCR识别服务，不管你是图片还是PDF，都能在本地电脑上进行文本、图片、表格的识别，没有任何限制：没有使用时间上的限制，没有OCR识别次数上的限制，也没有OCR识别页面数量上的限制，全部免费！

Taiwe OCR是运行在本地电脑上的，不需要用到第三方的AI大模型，因此也不会消耗Taiwe用户的词元（Token）使用量。

2、强大的版面识别能力

针对老师的日常使用场景，Taiwe使用了pp-doclayoutv3文档版面分析模型，它能够覆盖26中常见版面元素，比如文档标题、段落标题、正文、表格、图片、页眉页脚、公式、参考文献、印章等。此外它还对对卷曲书页、倾斜拍摄、折叠文档、竖排古籍这类非平面图像做了专门优化。

比如下面这个例子，这是典型的学术期刊的论文版面，包括了双栏和图片：

下面是Taiwe OCR识别后的输出，准确的将文本进行编排，并插入图片：

Taiwe的OCR能够准确识别扫描件中的文本、表格、图片，并将识别出的内容，以正常、可读的顺序进行合理排列，生成Markdown格式文档，方便老师和AI助手进行处理。

3、图、表识别能力优秀

Taiwe OCR不仅仅能够识别图片或者PDF中的文本，更能准确识别出里面的图片，对图片进行精确剪裁，插入输出的文档中。

比如下面这个表格：

经过Taiwe OCR后输出的结果：

4、文本可读性好

不同于一些图片、PDF的扫描识别，虽然能够输出文本和版面，但是文本本身的可读性较差，特别是要提供给AI进行处理时，错乱的文本会带来不少麻烦。Taiwe OCR有强大的阅读顺序识别能力，输出的文本完全符合文本的阅读顺序（如前图例子），方便老师们日常使用和AI的处理。

５、支持手写识别

不仅电子文本能够正确识别，也支持手写图片的识别，下面是手写识别的例子：

这是一份作文，看看Taiwe OCR的结果：

1、导入

首先，把需要处理的图片、PDF导入到项目的文件夹里。Taiwe OCR支持多种图片格式，包括PNG、JPG扽等。

２、启动识别

然后再要识别的图片或者PDF上点击右键，选择“图片OCR”（图片格式）或者“转成MD格式”（PDF文档），Taiwe OCR就会自动启动进行识别。

首次使用注意，首次使用Taiwe OCR，需要下载识别所需要的依赖和模型库，所以会花费较长时间，这期间你可以先去处理其他事情，它会自己帮您处理好。

３、输出结果

Taiwe OCR输出Markdown格式，它支持表格和图片的显示，因为我们的目的是给老师和AI使用，所以输出时候就不再考虑保持原有的版面，而是以文本可读为优先。

如果PDF本身带有大量图片，Taiwe OCR识别解析的时候，会在同目录下创建新的文件夹，比如你要识别的文档名字是 Demo.pdf，那么这个文件夹名会是：Demo_assets（也就是：PDF文件名_assets），里面存放识别出来的图片，这些图片会自动插入到Markdown（md）文档里。

４、ｍｄ再编辑

当识别完，生成md文档后，你可以点击md，看到md文档的源码，如果你不习惯源码方式查看，可以点击右上方的“铅笔”图标，切换到可视化阅读器，里面可以所见即所得的看到文字、表格和图片，你还可以方便的进行编辑。