pdf-ocr-skill

SKILL.md

Dual-engine OCR for extracting text from scanned PDFs and images with local or cloud processing.

Supports RapidOCR (local, free, no API key) and SiliconFlow API (cloud-based, high precision) with automatic fallback when local engine fails

Handles scanned PDFs and multiple image formats (JPG, PNG, BMP, GIF, TIFF, WEBP) with Chinese and English text recognition

Preserves text order and structure; automatically converts PDF pages to images for processing

Batch processing capability for multiple documents with configurable engine selection via environment variables or prompt keywords

PDF OCR Skill

中文版本

PDF OCR技能用于从影印版PDF文件和图片文件中提取文字内容。该技能支持两种OCR引擎：

RapidOCR（本地引擎）：无需API密钥，免费使用，识别速度快

硅基流动大模型（云端引擎）：使用AI大模型进行高精度OCR识别

功能特性

支持影印版PDF文件的文字提取

支持多种图片格式的文字识别（JPG、PNG、BMP、GIF、TIFF、WEBP）

双引擎支持：RapidOCR（本地）和硅基流动API（云端）

支持中文和英文文字识别

保持文字的顺序和结构

自动将PDF页面转换为图片进行识别

智能引擎切换：当RapidOCR初始化失败时自动切换到硅基流动API

安装