360 Secure SkillHub
360 安全技能中心

MiniMax PDF OCR

核心功能：将PDF转图片后调用MiniMax Vision API识别中英文，输出保留原格式与段落结构的Markdown文件。支持命令行运行或作为JS模块调用。典型场景：PDF/图片文档数字化、文字内容提取整理。输入为PDF文件路径（可选输出目录），输出为按分页组织的MD文件。需配置MiniMax API Key，依赖Poppler工具。

chongjie-ran
chongjie-ran
热度 66.75
最近更新 2026-05-18 12:31:11
分类：效率依赖：代码执行 / 第三方 API / 读写文件应用场景：文件转换 / 数据处理

安装技能

复制下面的话术发给你的 Agent，它会通过 secure-skills 检索并安装该技能。

执行命令安装此 skill： npx secure-skills-cli add minimax-pdf-ocr
Metadata
name
minimax-pdf-ocr
version
1.0.0
description
使用 MiniMax Vision API 识别 PDF/图片中的文字
emoji
🔍
tags
["pdf","ocr","minimax","recognition"]

MiniMax OCR Skill

使用 MiniMax Vision API 识别 PDF/图片中的文字内容，支持中文和英文。

功能

  • PDF 转图片（使用 poppler）
  • MiniMax Vision API 文字识别
  • 输出 Markdown 格式

依赖

# 安装 Node.js 依赖
cd minimax-pdf-ocr
npm install openai pdf2image

# 安装系统依赖
brew install poppler

使用方法

命令行

# 设置 API Key
export MINIMAX_API_KEY="your-api-key"

# 运行 OCR
node pdf-ocr-minimax.js <pdf文件路径> [输出目录]

# 示例
node pdf-ocr-minimax.js ./document.pdf ./output/

作为 Skill 使用

在 JavaScript 代码中调用：

const { recognizePdf } = require('./pdf-ocr-minimax.js');

await recognizePdf('/path/to/document.pdf', './output/');

环境变量

变量 说明 必填
MINIMAX_API_KEY MiniMax API Key (从 platform.minimaxi.com 获取) 是
OUTPUT_DIR 输出目录 否（默认当前目录）

输出

  • 识别结果保存为 .md 文件
  • 包含所有页面的文字内容
  • 保持原有格式和段落结构

示例输出

# 文档名称

## 第 1 页

这里是第一页的文字内容...

## 第 2 页

这里是第二页的文字内容...

注意事项