full-aigc-skills 智谱 OCR 文字识别
使用 GLM-4V-Flash 视觉模型识别图片中的文字。
安装
git clone https://github.com/Wcowin/zhipu-OCR-skill.git
cd zhipu-OCR-skill
pip install -r requirements.txt
使用
python3 scripts/ocr.py <图片路径> [提示词]
<图片路径>: 必需，图片文件路径[提示词]: 可选，默认 "请识别图片中的所有文字，并完整输出"-v: 显示详细输出
配置
设置环境变量 ZHIPUAI_API_KEY（从 https://open.bigmodel.cn/usercenter/apikeys 获取）。
支持的格式
JPG, PNG, GIF, BMP, WebP 等常见图片格式。
使用场景
- 用户发送图片要求识别文字
- 截图文字提取
- 扫描文档 OCR
- 表格内容识别
- 手写文字识别
注意
- 需要有效的智谱 AI API Key
- 需要网络连接访问 API