文婷 发自 凹非寺 量子位 | 公众号 QbitAI 曾经只能手动摘取PDF文字、结果乱码一堆、LLM还看不懂的苦逼日子—— 终于要结束了！ Y Combinator孵化的明星项目Firecrawl团队最近放了个大招： 其联合创始人兼CTO Nicolas Camara宣布，他们最新开发的 OCR It 可以 在20ms内 将一份不可复制的PDF文件内的所有文字内容提炼完，并将其转化成清晰的Markdown格式，AI读完马上就能看懂。 20ms是什么概念？ 相当于 你刚点完确定还没眨完眼，一份处理好的Markdown文件就已经清清爽爽地交到你手上了。 而且它还不需要联网，可以 100%Offline via Bundled Tesseract 这个刚刚开源的OCR工具才刚发布，就 在GitHub上获得了热门关注。 Nicolas Camara骄傲地表示， 在处理质量与Docling旗鼓相当的前提下，OCR It的处理速度比Docling快了近300倍！ 小伙伴们测完也纷纷在X上留言： 快，确实快得很啊！ OCR It怎么用 首先，OCR It是一款 适用于Chrome和Firefox 的免费浏览器插件。 你只需框选一次区域，之后每按一次快捷键（或开启自动模式），它就能把整本书或整个文档变成完整且可编辑的纯文本，方便你直接喂给AI进行总结或提问。 期间， OCR It会默认在连续识别到两张相同页面、无法继续翻页、OCR失败或达到300页上限时自动停止 ，避免在末页无限重复抓取。 具体而言，手动和自动档可以分别按以下的几个步骤操作： （注：用Windows和Linux的小伙伴们需将option键替换为Alt） 1、手动档： 框选和识别： 首先按Option+Shift+R 选定需要识别的文字区域， 确认无误后按Enter保存 完成第一步框选文字区域之后，按一次Option+Shift+S，OCR It就会开始识别当前页面，并在识别完成后会自动翻到下一页。 接下来你只需要重复这个操作直到整份文档识别完毕就好了。 如果你希望进一步节省时间的话， 你也可以一边翻页一边在每一页按一次Option+Shift+S，系统会立即截图并在后台自动排队执行识别任务。 检查： 全部识别完成后，你可以在插件面板中检查、修改文本，也可以重新识别单独某一页，最后选择 “Copy all” “Download .txt” 导出全文，整个任务就完成啦！ 2、 自动档 自动挡的话就简单多了，你只需要按下 Option+Shift+A或点击Start auto-run ，OCR It便会自动循环执行“截图—OCR—翻页”，直至文档结束。 如果你想中途结束任务的话，按ESC就行 ，检查流程几乎和手动档一致。 此外，OCR It仓库界面显示， 它既不需要API Key、联网、安装时也不需要索取任何网站权限，它只会在需要自动运行或操作跨域iframe时才按需申请当前站点的权限。 另外，浏览器内置PDF阅读器目前也还暂时不支持自动翻页，所以大家在处理这类PDF时，还是尽量用手动档处理吧。 处理复杂任务时还不太稳定 不过，OCR It虽然看起来又快又方便，但 还远没有到“以后把所有PDF都丢给它，就能高枕无忧”的程度。 网友们通过实测达成的一个共识是： OCR It目前可以相当顺手地处理版式简单、文字清晰的PDF文档，但它 还不太能处理一些标题、脚注、表格、数学公式和正文段落混排的复杂页面 ，所以它还有不小的提升空间。 让我们期待一下团队后续的更新吧！ 感兴趣的小伙伴们可以点进文末第二个链接看看，欢迎跟我们分享你的测试结果～ [1]https://x.com/nickscamara_/status/2083295265793212827 [2]https://github.com/thiagotigaz/ocr-it [3]https://www.firecrawl.dev/about 特别
留言框-
