通用文字识别(PaddleOCR)
图片与PDF转结构化文本,多语言·印刷体与手写体
通用文字识别(PaddleOCR)
图片与PDF转结构化文本,多语言·印刷体与手写体
展示内容
描述
把图片/PDF 转为结构化文本的通用 OCR 技能,基于 PaddleOCR(PP-OCRv5 通用文字识别流水线)。支持中英日等多语言与多语混合、印刷体与手写体;技能会自动匹配语言与 OCR 版本、选择合适的推理设备与模型档位,并按需开启文档方向分类、文本图像矫正等预处理模块,最终输出识别文本、文字框坐标与置信度。适合文档数字化、票据识别、截图取字等场景。
相关技能
查看全部
九维全域视觉解构引擎
将单张或多张信息图、数据可视化、流程图、时间轴、地图、知识图谱与组织架构图,拆解为可复用的视觉与信息结构,帮助你准确理解一张图为什么这样组织,并重建相近的表达效果。技能会从空间构图、维度与材质、色彩层级、字体排版、模块关系等表现因素入手,同时识别图表编码、阅读路径、图符隐喻以及地理或网络关系,让分析不止停留在“风格像什么”。 你将获得一份参数化的视觉解构结果,涵盖画布与构图逻辑、视觉层级、文字密度、模块拓扑、数据与关系的表达方式,以及图像中的叙事动线。对于统计图表、地图或关系网络等内容,输出会聚焦其数据如何映射为颜色、位置、大小、连线和节点等视觉变量;对于复杂专题图,则进一步梳理图形、文字与隐喻系统之间的协同关系。 基于这些分析,技能会生成详尽、结构清晰的英文图像生成提示词,适合用于信息图复刻、视觉研究、设计参考、品牌内容探索和概念图制作。无论你提供的是现有图片,还是对主题与视觉方向的构想,都能得到更接近结构级复现的提示词,而不是泛泛的风格描述。
知
43k
信息
- 版本
- v4
- 更新时间
- 运行积分
- 按实际用量
- 模型
- 自动选择