图片转文字（OCR）

光学字符识别（OCR）可以把含有文字的图片转成能选中、编辑、搜索和复制的文本。本工具使用 Tesseract——一款编译为 WebAssembly 的开源识别引擎，因此整个过程都在你的浏览器标签页内完成。你可以放入文档照片、截图、收据、书页或幻灯片，用 Ctrl+V 直接粘贴剪贴板里的图片，也可以载入扫描版 PDF 并选择要识别的页面。

结果好坏主要取决于原图，而不是某个设置。拍照或扫描时，尽量让页面平整、端正，光线均匀，分辨率要高到能看清每个字，并避开阴影和反光。务必选择图片中实际使用的语言；如果文档里中英文混排，也可以同时选多种语言，例如越南语加英语。过大的图片会在识别前缩小到合适的尺寸，过小的则会被放大，以便控制内存占用。

如果结果不理想，可以打开高级选项。预览会显示引擎在你调整后实际看到的画面。灰度和对比度有助于处理褪色的文字，自适应黑白模式适合光线不均的情况，反色可以处理深色背景上的浅色文字，旋转则能纠正横着拍的照片。页面版式模式能告诉引擎眼前是整页、单栏、单行还是零散的标签，这对截图和截取的小片段影响很大。

识别完成后，你会看到原图和旁边可编辑的文本框，以及引擎的平均置信度，置信度偏低时还会给出提醒。你可以高亮引擎最没把握的词，合并因页面宽度而断开的行，删除多余的空行，复制文字，或下载为 .txt 文件；处理了多张图片时，还可以下载为合并后的单个文件或 zip 压缩包。快捷入口可以把文字送到文本对比工具，方便比较两次扫描的结果，字数统计和大小写转换也只需点一下，便于后续整理。

请对它的局限有合理预期。OCR 并不完美：照片、小字号、特殊字体、表格和多栏版式出错很正常，手写体通常也识别不好。越南语、阿拉伯语、印地语或泰语这类音调符号多或文字结构复杂的语言更容易出错，重要内容请务必校对。首次运行需要下载引擎和语言数据，会花一点时间；特别大的图片或很长的 PDF 可能耗尽旧手机的内存，请分成较小的批次处理。