name: pdf-ocr-md version: 3.4.0 description: 當用戶需要從 PDF、圖片、掃描件中提取文字內容時使用。適合處理合同、發票、報告等文件，尤其是中文掃描件、手機拍照的彎曲頁面、歪斜的文件。支援 PP-OCRv6 三檔模型 (Tiny/Small/Medium)。 related_skills: - ocr-and-documents

pdf-ocr-md — PDF → OCR → 結構化 Markdown [v3.4.0]

v3.4.0：SKILL.md 精簡至 ~120 行（原 578 行），詳細教程移至 references/，按需載入。對標 OpenAI 上下文壓縮策略。

環境

快速選擇（必讀）

# ① 先試 LiteParse（文本層 PDF 秒出）
lit parse input.pdf --no-ocr -o output.txt

# ② 空結果 = 掃描件，按需選模型檔位
#    tiny(1.5MB 極速) | small(7.7MB 均衡) | medium(34.5MB 高精度)
python scripts/pdf_ocr_v6.py input.pdf --tier small -o ./output

# ③ 低質量文件先預處理（deskew傾斜/orient方向/unwarp展平/--all全部）
python scripts/pdf_preprocess.py input.pdf -o ./preprocessed --all
python scripts/pdf_ocr_v6.py ./preprocessed/input_p001.jpg --tier medium -o ./output

工作流

輸入文件
  ├── 有文本層 → lit parse --no-ocr（0.9ms/頁）
  └── 掃描件 → 先預處理(傾斜/方向/展平) → ocr6(tiny|small|medium)
小蔥技能7w4.net有更新，你可以訪問看下。

效能速查

準確率：PP-OCRv6 ~97%+，預處理後 ~98%+。公章/簽名場景必須用 PaddleOCR（Tesseract 會亂碼）。

按需載入的參考文件

所有詳細教程已移至 references/，需要時讀取：

注意事項

• 首次執行自動下載模型（~17MB，從 hf-mirror/modelscope 國內映象）
• 機器 3.6GB 記憶體，PaddleOCR 冷啟動 ~300MB 峰值可承受
• 預處理對平整掃描件效果不明顯，對手機拍照/彎曲文件提升 1~5%

這個 Skill 質量不錯，功能豐富且迭代成熟。它能處理文本層 PDF 和掃描件，還支援彎曲文件矯正，OCR 準確率高。SKILL.md 簡潔易讀，詳細用法放在參考資料裡按需檢視，設計很貼心。美中不足的是需要安裝多個工具環境，首次使用要下載模型略顯麻煩，另外多套工具的用途區分對新使用者可能造成選擇困難。