iflytek-pdf-image-ocr

仓库创建 2026年3月30日最近提交 4 小时前SkillHot 收录 20 天前

▸ 精选理由

集成图像与PDF识别并支持格式转换，便于文档数字化与后续编辑。

▸ 风险提示

需调用讯飞OCR服务并上传文档，存在隐私与数据安全风险。

这个 Skill 做什么

对图片与PDF进行OCR并导出文本/Word/Markdown，保留文档布局与多语言支持。

把图片和 PDF 的文字识别成可编辑文本，并能导出为纯文本、Word 或 Markdown，同时尽量保留原始排版与多语言内容，适合把扫描件或文档数字化、做知识库入库时使用。既支持基于 LLM 的图像 OCR，也支持整本 PDF 的版面识别和多页处理。特点是输出格式多、语言支持强、对复杂布局有更好的还原，便于后续编辑与检索。

▸ 展开 SKILL.md 英文原文

ifly-pdf-image-ocr skill supporting both image OCR (AI-powered LLM OCR) and PDF document recognition. Use when user asks to OCR images, extract text from images/PDFs, convert PDF to Word/Markdown, or perform any OCR tasks on images or PDFs. Supports multi-language text extraction, document layout understanding, and various output formats.

办公文档OCRPDF转Word布局识别通用

213

Stars

Forks

仓库内 Skill

+14

7 日增星

安装 / 使用

给你的 Agent 一句话（通用）

帮我安装这个 skill：https://raw.githubusercontent.com/iflytek/iFly-Skills/main/skills/iflytek-pdf-image-ocr/SKILL.md

或 curl 直取 SKILL.md

curl -fsSL "https://raw.githubusercontent.com/iflytek/iFly-Skills/main/skills/iflytek-pdf-image-ocr/SKILL.md"

SKILL.MD 节选查看完整文件 ↗

# ifly-pdf-image-ocr

AI-powered OCR service for images and PDF documents using iFlytek's advanced recognition APIs.

## Quick Start

### Image OCR (LLM OCR)

```bash
# OCR an image and extract text
python3 scripts/image_ocr.py /path/to/image.jpg

# Save result to file
python3 scripts/image_ocr.py /path/to/image.jpg -o output.txt

# Specify output format
python3 scripts/image_ocr.py /path/to/image.jpg --format json
python3 scripts/image_ocr.py /path/to/image.jpg --format markdown
```

### PDF OCR

```bash
# Convert PDF to Word (default)
python3 scripts/pdf_ocr.py document.pdf

# Convert PDF to Markdown
python3 scripts/pdf_ocr.py document.pdf --format markdown

# Convert PDF to JSON
python3 s

via SKILL·HOT · 数据来自 GitHub 公开信息 · 原文版权归作者所有