（4303期）openocr-skill – 轻量本地OCR，智能解析文档

轻量本地OCR，智能解析文档 轻量级0.1B参数通用OCR系统，支持文字检测/识别、公式表格识别及文档版式分析，可在个人电脑本地运行 使用说明 核心功能 OpenOCR是一款面向多场景的智能文字提取与文档解析工具，提供五大任务模式： 文字检测(det)：定位图像中的文本区域，返回边界框坐标 文字识别(rec)：对裁剪后的文本图像进行内容识别，支持中英文 端到端OCR(ocr)：检测+识别的完整流水线，适合通用场景 通用识别(unirec)：基于0.1B参数VLM的视觉语言模型，可识别文字、数学公式、表格，输出LaTeX格式 文档解析(doc)：结合版式分析(layout detection)与通用识别，实现结构化文档提取，支持导出Markdown/JSON 显著优势 极致轻量：核心模型仅需0.1B参数，普通CPU即可流畅运行，无需高端GPU 多格式支持：原生处理图片(JPG/PNG/BMP)、PDF文件及NumPy数组输入 灵活部署：提供ONNX（默认，无额外依赖）和PyTorch双后端，支持CPU/GPU自动切换 专业场景覆盖：数学公式识别输出标准LaTeX，表格识别保留结构信息，版式分析区分标题、正文、图表等区域 批量处理友好：支持目录批量处理、PDF多页并行、自定义批大小优化吞吐 潜在局限 图像质量直接影响准确率，过小字体、过度旋转、严重模糊会降低效果 手写体识别稳定性弱于印刷体 server模式精度更高但依赖PyTorch且速度显著慢于mobile模式 PDF处理需内部转图为页，超大文档可能占用较多内存 0.1B参数的VLM在极端复杂版式上可能不如更大模型 适用人群 学术研究者：快速提取论文截图中的公式、表格为可编辑LaTeX 办公用户：批量转换扫描件/PDF为结构化Markdown文档 开发者：低成本集成OCR能力至本地应用，无需调用云服务 数据标注人员：自动化文档预处理与内容结构化 常规风险提示 本地运行虽保障数据隐私，但需自行管理模型文件安全 GPU加速需额外安装onnxruntime-gpu，配置不当可能回退至CPU模式 自动下载的模型文件建议校验完整性，避免网络中间人攻击 原始说明 Extract text from images, documents and scanned PDFs using OpenOCR - a lightweight and efficient OCR system with document parsing model requiring only 0.1B parameters, capable of running recognition on personal PCs. Supports text detection, recognition, universal VLM recognition, and document parsing with layout analysis