Tesseract OCR文字识别

这是基于Tesseract引擎的OCR文字识别技能，可从图像中提取文字，支持中文简体、英文、中英混合三种语言模式，能输出纯文本、结构化（题目/选项/答案）、问答对三种格式。适用于识别文档、试题等图片场景，输入为图片路径，可通过参数指定语言、输出格式及保存路径。

热度 53.11

最近更新 2026-05-11 17:34:36

分类：效率依赖：代码执行 / 读写文件应用场景：文件转换

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 tesseract-ocr-skill

Metadata

name: tesseract-ocr-skill
description: 基于Tesseract引擎的OCR文字识别技能，支持中文、英文、中英混合三种模式，输出text/structured/question_answer三种格式。

使用 Tesseract 引擎从图像中提取文字内容。

支持中文（简体）、英文、中英混合三种语言模式
支持三种输出格式：
- text: 纯文本输出
- structured: 结构化输出（识别题目、选项、答案）
- question_answer: 问答对格式

python <skill-path>/tesseract_ocr_skill.py <image_path> --lang chi_sim+eng --format text