企业官网建设流程全解析

SnapOtter OCR使用教程:从图片与PDF提取文字,支持21种语言的完整指南

【免费下载链接】SnapOtterOpen-source, self-hosted file-processing tool. Convert, compress, OCR, transcribe & run local AI across image, video, audio, PDF & documents, via UI, REST API & pipelines. Your files never leave your network.项目地址: https://gitcode.com/gh_mirrors/st/SnapOtter

SnapOtter 是一款开源、可自托管的文件处理工具，内置 OCR 文字识别功能，能把扫描图片、截图和 PDF 文档中的文字提取成可编辑的.txt文本文件。所有识别都在你自己的服务器上本地完成，文件不离开内网，隐私安全有保障。本教程带你从零开始，快速掌握图片 OCR、PDF OCR 的使用方法、质量档位选择与多语言设置，新手也能 5 分钟上手。

📌 SnapOtter OCR 是什么?

OCR（光学字符识别）就是"把图片里的字变成文字"。SnapOtter 的 OCR 工具支持两种输入场景：

两种工具都可以通过网页界面或REST API使用，输出统一为纯文本，方便后续复制、编辑或接入流水线。

🚀 3 步从图片提取文字(最快方法)

第 1 步：打开 OCR 工具启动 SnapOtter 后，在网页端工具列表的"图片工具"分类中找到OCR，或直接访问 API 端点POST /api/v1/tools/image/ocr上传文件。

第 2 步：上传图片并选择设置上传一张清晰的照片或扫描图，在设置面板中配置三个核心选项：

• quality（质量档位）：fast/balanced/best，下文详述
• language（语言）：auto自动检测，或手动指定en、zh、ja等
• enhance（图像增强）：对模糊、低对比度图片自动预处理

第 3 步：等待任务完成并下载文本提交后系统返回任务 ID 并实时推送进度，完成后即可下载xxx_ocr.txt文本文件。

相关实现可参考 ocr.ts，其中定义了 OCR 的上传校验、设置参数与任务入队逻辑。

📄 PDF OCR:指定页码,批量提取文字

扫描件 PDF 无法直接复制文字,PDF OCR 工具正好解决这个痛点。

使用步骤：

1. 在"PDF 工具"分类中打开PDF OCR（API 端点POST /api/v1/tools/pdf/ocr-pdf）
2. 上传 PDF 文件（⚠️ 不支持加密/密码保护的 PDF，系统会直接拒绝）
3. 在pages参数中指定处理范围：all表示全部页面，也可填写页码范围只提取需要的部分
4. 语言与质量档位与图片 OCR 完全一致

PDF 的识别流程是先把选定页面渲染成图像，再交给 OCR 引擎逐页识别，结果在 ocr-pdf.ts 中定义。识别完成后，返回结果还会附带本次使用的引擎、设备（CPU/GPU）与模型版本等元数据，便于排查识别效果问题。

⚙️ 如何选择合适的 OCR 质量档位?

SnapOtter 提供三档识别质量，对应不同的引擎与精度：

选择建议：

• 默认不填quality时，系统会根据你安装的运行时自动选择（有高精度运行时则用best，否则用fast）
• Best 档位默认开启图像增强，适合模糊、低对比度的文档
• 兼容旧版参数：传engine: "tesseract"等价于fast，engine: "paddleocr"等价于balanced
• ⚠️Fast 档位不支持韩语，识别韩语请安装高精度 OCR 运行时并选择 Balanced 或 Best

档位解析逻辑见 resolveWorkerQuality，底层识别调度见 ocr.ts。

🌍 支持的语言与自动语言检测

OCR 工具的language参数支持以下选项：

• auto（自动检测）：无需手动判断，系统会先探测图片文字脚本，再选择对应语言包识别
• en（英语）、de（德语）、fr（法语）、es（西班牙语）
• zh（简体中文）、ja（日语）、ko（韩语，需高精度运行时）

自动检测是 SnapOtter OCR 的亮点之一：对于中英文混排的票据、地址、价格等真实场景，引擎会综合脚本密度与置信度打分，而不是简单取"出现最多的文字类型"，避免把英文收据上的零星汉字误判成中文文档。语言映射与自动检测的核心逻辑在 tesseract.ts 与 tesseract-languages.ts 中实现，识别前的图像预处理见 ocr_preprocess.py。

小提示：能确定语言时手动指定，比auto更快也更准；不确定时放心用auto。

❓ 常见问题排查

Q1：上传失败，提示文件过大？OCR 输入有安全上限：图片像素上限约 4000 万（单边不超过 40000 像素），识别输出上限 1MB 文本。超大图片请先压缩再上传。

Q2：提示"Feature not installed"或"Feature incompatible"？Balanced / Best 档位需要额外的高精度 OCR 运行时组件。请在设置中安装对应的 OCR 功能包（可选组件包），或改用fast档位。相关配置参考 ocr-runtime-models.json。

Q3：识别结果有乱码或漏字？

• 勾选enhance开启图像增强
• 换用更高质量的图片（清晰度、对比度）
• 切换balanced/best档位

Q4：能批量处理多个文件吗？可以。SnapOtter 支持批量上传与流水线（Pipeline），把 OCR 串入"下载 → 识别 → 导出"的自动化流程中，详见 pipeline.ts。

📚 延伸阅读

• OCR 图片识别路由：apps/api/src/routes/tools/ocr.ts
• OCR PDF 识别路由：apps/api/src/routes/tools/ocr-pdf.ts
• OCR 引擎核心库：packages/ai/src/ocr.ts
• PDF 页面渲染与识别：packages/ai/src/tesseract-pdf.ts
• 最佳档位模型校准配置：docker/ocr-best-v1-calibration.json
• 部署配置：docker/Dockerfile

现在你已经掌握了 SnapOtter OCR 的完整用法——从单张图片到整份 PDF，从快速识别到高精度多语言提取，全部在本地网络内安全完成。试试上传你的第一份扫描件吧！

【免费下载链接】SnapOtterOpen-source, self-hosted file-processing tool. Convert, compress, OCR, transcribe & run local AI across image, video, audio, PDF & documents, via UI, REST API & pipelines. Your files never leave your network.项目地址: https://gitcode.com/gh_mirrors/st/SnapOtter