从图片里提取文字
粘贴一张截图，或把照片拖进来。识别在你自己的机器上跑完，图片不会离开这个标签页。
添加图片
把图片拖到这里
⌘V 直接粘贴刚截的图
或者
支持 JPG、PNG、WebP、GIF、BMP · 一次最多 10 张 · 单张不超过 800 万像素、15 MB
识别结果
每一行都能直接改：改完再点复制或下载，带走的是你改过的版本。
这张图里没找到文字。
- 截图前先放大：字高至少要有十来个像素，检测模型才认得出来。
- 把对比度拉开——浅灰色的字压在照片背景上，是识别不出东西最常见的原因。
- 把大块图形和水印裁掉，它们会跟真正的文字抢检测框。
识别是怎么做到的
- 图片留在本机图片在这个标签页里被解码成画布数据。打开浏览器的网络面板盯着看：除了模型文件，不会再有别的请求。
- 两个小模型接力先用检测模型把每一块文字框出来，再把每个框裁下来交给识别模型逐字读，最后用 CTC 解码拼成字符串。
- 改一改再拿走结果按阅读顺序排好，每行给一个把握度。个别字认错就地改掉，然后复制，或者导出 .txt、导出带框坐标的 .json。
这一页用的模型
- 检测模型
- PP-OCRv5_mobile_det · 4.83 MB
- 识别模型
- PP-OCRv5_mobile_rec · 16.68 MB
- 许可证
- Apache-2.0 · PaddlePaddle
- 字符覆盖
- 拉丁字母、简体与繁体中文、日文假名、数字和标点——一份字典 18,383 个字符
PP-OCRv5 mobile 是 PaddleOCR 的轻量文字识别流水线，ONNX 版由 PaddlePaddle 官方导出。两个文件加起来约 21.5 MB，所以这一页在手机上也敢承诺跑得动。中英混排不用切语言：识别模型本来就是在同一份中英日字典上训练的。
常见问题
我的图片会被传到服务器吗？
不会。整页只下载两个模型文件（约 21.5 MB，第一次之后就在浏览器缓存里），图片本身只是在这个标签页里解码成画布数据，交给页面内的 Worker 处理。截图、身份证、合同、检查单这类最不该外传的图，就是这个页面存在的理由。
能识别哪些语言？
一个模型同时认拉丁字母、简体与繁体中文、日文假名和常见标点，一份字典 18,383 个字符，所以一行里中英混排不用选语言。韩文、泰文、阿拉伯文、西里尔字母和印度系文字不在这份字典里，硬识别出来的是乱码。
手写体能认吗？
只有写得端正的手写字能勉强认，而且不稳。PP-OCRv5 官方自己的评测里，手写中文约 0.74，印刷中文 0.91。这一页擅长的是截图、扫描件、小票、幻灯片和招牌；医生的手写处方别指望。
比在线 OCR 网站快在哪，又慢在哪？
快在没有上传、没有排队：一张截图 WebGPU 上约 0.4 秒，CPU 路径 2–3 秒（都是 Apple M2 Max 上的实测），跟网速和对方服务器忙不忙都无关。慢在第一次：21.5 MB 模型文件下完才能开始。下完之后连断网都能用。
能直接识别 PDF 吗？
不能，这一页收的是图片文件。只有一页的话，截图或导出成 PNG 再拖进来就行。多页 PDF、一次十张以上的批量、以及精度更高的服务器级模型，留给付费档。
表格和分栏能保留吗？
只保留阅读顺序，不保留结构。行按从上到下、从左到右归并，看得见的空行会保留成空行，所以小票、表单这类读起来是顺的；但宽表格的列会散掉，左右分栏的页面会串行。要自己还原版式的话，.json 里每个文字块都带四个角的坐标。