（4459期）china-doc-ocr – 智能文档识别 · 发票证件一键提取

智能文档识别 · 发票证件一键提取 基于硅基流动 DeepSeek-OCR 和 PaddleOCR-VL 的多模态文档识别技能，支持 PDF、发票、证件、表格等复杂场景的智能提取，国内直连无需翻墙。 使用说明 核心用法 china-doc-ocr 是一款面向中文场景的智能文档 OCR 识别技能，整合了硅基流动（SiliconFlow）平台的 DeepSeek-OCR、PaddleOCR-VL-1.5 以及 Qwen2.5-VL-72B 三大视觉模型，实现复杂文档的精准识别与结构化提取。 多格式支持：覆盖 PDF、JPEG/PNG/WebP/BMP/TIFF/GIF 等图片格式，支持本地文件、URL 链接及 Base64 编码输入。针对多页 PDF 提供分页处理方案，自动合并识别结果。 场景化识别模式： 通用 OCR：基础文字提取 文档转 Markdown：保留标题层级、列表、表格、代码块等排版结构 发票/证件识别：输出结构化字段（发票号码、金额、税号、日期等） 表格解析：同时生成 Markdown 表格与 CSV 格式 图表理解：解析柱状图、饼图等可视化数据 模型降级策略：优先使用免费快速的 PaddleOCR-VL-1.5，效果不佳时自动降级至 DeepSeek-OCR，必要时启用 Qwen2.5-VL-72B 作为兜底方案。 显著优点 国内直连零门槛：依托硅基流动平台，无需 VPN 或海外 API 配置，注册即用 成本友好：PaddleOCR-VL-1.5 和 DeepSeek-OCR 均提供免费额度，大幅降低使用成本 中文场景优化：针对中文发票、营业执照、身份证等本土文档类型专项调优 格式保留能力强：Markdown 转换模式完整还原原文档的层级结构与排版样式 灵活的输入方式：支持文件路径、网络 URL、Base64 字符串三种输入形态 潜在缺点与局限性 多页 PDF 依赖外部工具：需手动安装 pypdf 库进行分页处理，非开箱即用 图片尺寸限制：最小 56×56、最大 3584×3584 像素，超大文档需预处理压缩 隐私数据风险：发票、证件等敏感文件在处理后会留存工作区临时文件，需手动清理 模型效果波动：Qwen2.5-VL 作为兜底方案时 OCR 准确率明显低于专业 OCR 模型 速率限制：API 存在 429 频率限制，大批量文档处理需控制并发 适合人群 财务人员：批量处理电子发票、报销单据 行政/法务人员：合同扫描件转可编辑文本 研究人员：学术论文 PDF 提取与笔记整理 数据录入员：表格数据自动化采集 开发者：集成文档识别能力至内部工作流 常规风险 数据安全风险：敏感证件、发票信息上传至第三方云服务商，存在合规隐患；建议处理完成后立即清理工作区文件。 API 稳定性风险：免费服务存在额度耗尽、服务调整或网络波动可能，关键业务建议配置备用方案。 识别准确性风险：手写体、印章遮挡、低分辨率扫描件可能导致识别错误，财务等关键场景需人工复核。 授权合规风险：处理含个人隐私或商业机密的第三方文档时，需确保具备合法授权。 原始说明 智能文档OCR识别与结构化提取。Use when the user has a complex document, PDF, scanned image, photo, invoice, receipt, ID card, table, or chart that needs to be recognized a...