mirror of https://github.com/snapotter-hq/SnapOtter.git synced 2026-08-03 07:46:42 +02:00

Files

T

SnapOtterandGitHub 4963ab3bbd feat(docs-i18n): translate all documentation into 20 languages

All 181 docs markdown files translated into 20 languages (apps/docs/<locale>/**). Companion to the i18n code PR; admin-merged because the file count exceeds GitHub's per-PR CI trigger limit. Validated by pnpm i18n:check (all surfaces, 0 stale/missing) and a clean all-locale docs build.

2026-07-11 13:52:47 +08:00

2.3 KiB

Raw Blame History

description, i18n_source_hash, i18n_provenance, i18n_output_hash

description	i18n_source_hash	i18n_provenance	i18n_output_hash
使用基于 AI 的光学字符识别从图片中提取文本。	3d85d423b82c	human	ae14f7fe10d3

OCR / 文本提取

使用基于 AI 的光学字符识别从图片中提取文本。支持多种语言和质量档位。

API 端点

POST /api/v1/tools/image/ocr

处理方式： 同步 JSON 响应。若提供了 clientJobId，则进度也会通过 SSE 上报。

模型包： ocr（5-6 GB）

参数

参数	类型	是否必填	默认值	说明
file	file	是	-	图片文件（multipart）
quality	string	否	`"balanced"`	质量档位：`fast`（Tesseract）、`balanced`（PaddleOCR v5）、`best`（PaddleOCR VL）
language	string	否	`"auto"`	语言提示：`auto`、`en`、`de`、`fr`、`es`、`zh`、`ja`、`ko`
enhance	boolean	否	`true`	对图片进行预处理以提高 OCR 准确度
engine	string	否	-	已弃用。请改用 `quality`。将 `tesseract` 映射为 `fast`，将 `paddleocr` 映射为 `balanced`

请求示例

curl -X POST http://localhost:1349/api/v1/tools/image/ocr \
  -F "file=@document.png" \
  -F 'settings={"quality":"best","language":"en","enhance":true}'

响应（200 OK）

{
  "jobId": "a1b2c3d4-e5f6-7890-abcd-ef1234567890",
  "filename": "document.png",
  "text": "Extracted text content from the image...",
  "engine": "paddleocr-vl"
}

进度（SSE，可选）

若提供了 clientJobId 表单字段，则会流式传输进度事件：

event: progress
data: {"phase":"processing","stage":"Recognizing text...","percent":50}

说明

需要安装 ocr 模型包（5-6 GB）。
OCR 直接返回提取的文本，而不是图片下载 URL。
采用回退链：若某个较高质量的档位崩溃（例如 PaddleOCR 段错误），会自动使用下一个较低档位重试。
若某个档位未崩溃但返回了空文本，也会回退到下一个档位。
质量档位对应引擎：fast = Tesseract，balanced = PaddleOCR v5，best = PaddleOCR VL。
通过自动解码支持 HEIC/HEIF、RAW、TGA、PSD、EXR 和 HDR 输入格式。

2.3 KiB Raw Blame History Unescape Escape