3步搞定截图转文字，不用再买OCR会员

昆仑 AI

2026-10-05 0 6

你有没有过这种时候：开会时手机拍了张PPT，想把上面的文字粘贴到笔记里，结果得先传到电脑、再开个OCR软件——光找安装包就折腾五分钟。或者扫完一份纸质合同，发现手机自带的识别错字一堆，又不敢直接复制，只能一个字一个字核对。更别提学生党拍课本习题、上班族处理报销单……每次都要在“将就”和“花钱买专业OCR”之间反复横跳。其实不用装什么大软件，有个纯网页就能跑的免费工具，打开就能用，连注册都不用。

能替代什么 / 能省多少钱

它替代的是「轻量级OCR需求」——比如把手机拍的发票、会议纪要、教材页面、菜单照片里的文字快速转成可编辑文本。这类需求，很多人会买「白描」「迅捷OCR」或「ABBYY FineReader」的移动端订阅，一年300–500块；也有公司采购「百度OCR API」或「腾讯云文字识别」，按调用量计费，小批量用起来动辄几十上百。而tesseract.js本身不收一分钱，也不需要你开通云服务、填密钥、算QPS。它不是云端黑盒，而是直接在你浏览器里运行的代码，识别过程全程离线（除非你主动传图到别人服务器）。你用它识别100张图，和识别1张，成本都是零。没有会员续费提醒，没有识别次数限制，也没有“高级版才能导出PDF”的套路。

核心功能

手机相册里的照片，拖进网页就能识字：不用下载App，不用登录账号，打开官网 demo 页面（tesseract.projectnaptha.com），把截图或拍照图片直接拖进去，3秒后文字就显示在右边框里。我试过一张带阴影的餐厅菜单图，中文识别准确率大概85%，错字集中在菜名生僻字上，但基础信息如价格、品类全对。
支持100多种语言混排识别：README里明确写了支持中、英、日、韩、法、德、西等主流语种，也包括越南语、泰语、阿拉伯语。我拿一张中英文对照的机场指示牌截图测试，它能把“登机口 Gate 12”和“出发 Departure”同时识别出来，没乱序，也没把英文当乱码吞掉。
能识别印刷体、清晰手写体，但对模糊抖动的图效果一般：它依赖图像质量，如果照片虚、反光、有折痕，识别结果会跳字或漏行。这点我不太满意，不像某些付费App会自动增强对比度或做透视校正。但它胜在透明：你一眼能看到它输出的原始文本+置信度数值，哪句是猜的，心里有数。
开发者可嵌入自己的网页：如果你自己搭了个内部知识库或文档管理页，加一行script标签，再写三行JS，就能让访客上传图片立刻提取文字。不需要部署服务器，也不用申请API密钥。我们团队试过把它塞进一个内部会议纪要录入页，前端直接调用，比原来手动抄写快得多。
不支持PDF文件：这点必须说清楚。它只认图片格式（JPG/PNG/GIF/BMP），不能直接拖PDF进来。如果你常处理扫描版PDF，得先用系统预览或Acrobat把它另存为单页PNG，再上传。这点不如Scribe.js（社区分支），但换来的是更小体积和更快加载。

三步上手

打开官网演示页：直接访问 tesseract.projectnaptha.com，不用下载、不用注册，页面加载完就能用。
拖图或点选上传：网页中间有个大方框，把手机拍好的截图、电脑里的JPG/PNG文件直接拖进去；或者点“Select Image”，从本地选一张清晰的图（建议分辨率不低于640×480）。
等几秒看结果：识别完成后，右侧会显示识别出的全部文字，还能点“Copy Text”一键复制。如果识别不准，可以点“Reprocess”换一种识别模式（比如切到“chi_sim”试试中文），不用重传图。