OCR 工作台

界面概览

• 顶栏：截图（框选 / 全屏）、任务类型切换、OCR 引擎选择、识别与复制等快捷操作
• 工作区：左侧图片预览与选区，右侧按任务展示原文、表格、公式或 Markdown 结果
• 翻译：文字任务下可打开翻译面板；也可通过配套动作「截图翻译」使用独立翻译小窗
• 历史：识别会话本地保存，便于切换对比（数据存于本机）

主要功能

文字识别

• Quicker OCR：复用 Quicker 内置 OCR 步骤（推荐，需从 Quicker 动作启动）
• 百度(Quicker)：通过 Quicker 内置通道调用百度 OCR
• Windows OCR：本地 Windows.Media.Ocr，无需 Quicker 上下文

表格识别

• Quicker 表格：识别表格结构并导出 HTML / 可复制内容
• 视觉 LLM：需自行配置 API（设置面板）

公式识别

• 支持 Mathpix、视觉 LLM 等引擎，输出 LaTeX 并带 KaTeX 预览

Markdown / 视觉 LLM

• 将截图转为结构化 Markdown（标题、列表、代码块等），适合文档、笔记类图片

截图方式

• 框选截图：拖拽选择屏幕区域（默认：从 Quicker 启动时自动进入框选）
• 全屏截图：捕获当前整屏
• 也可先打开工作台再手动截图，或通过子程序参数跳过自动截图（见下文）

快速上手

1. 在 Quicker 面板触发本动作；首次运行会自动下载依赖包 cea.ocr-studio
2. 按提示框选屏幕区域（或在工作台内点击截图按钮）
3. 选择任务类型与 OCR 引擎，点击识别
4. 在结果区编辑文字，一键复制到剪贴板

当前依赖包版本 1.0.8.0（以动作运行时下载为准）。

高级：子程序参数

本动作调用公共子程序 OcrStudio。若你在自己的动作中复用该子程序，可通过输入变量 cmd 控制启动行为：

launch_mode 已弃用，请统一使用 cmd。

环境要求

• Windows 10 及以上
• .NET Framework 4.7.2 或更高
• Microsoft Edge WebView2 Runtime（Win10/11 通常已预装）
• Quicker 1.39.0 及以上（建议 1.45.0+）
• 使用 Quicker OCR / 百度(Quicker) / 表格(Quicker) 等引擎时，须从 Quicker 动作启动（需要动作上下文）

常见问题

• 提示需要 IActionContext？
  部分引擎（如 Quicker 内置 OCR）必须在 Quicker 进程内通过动作/子程序调用，不要直接运行 Debug exe 并期望相同行为。
• 首次打开较慢？
  依赖包 cea.ocr-studio 约 1.5 MB，首次需下载解压；之后会走本地缓存。
• 表格 / 公式识别不可用？
  确认 Quicker 账号已登录（在线 OCR 需要 Bearer）；视觉 LLM 类引擎需在设置中填写 API Key。
• 想只做截图翻译、不要完整工作台？
  可使用配套动作「截图翻译」（子程序 cmd=translateFloat），打开轻量翻译小窗。
• 识别结果乱码或漏行？
  尝试切换 OCR 引擎，或换用「文字 / 表格 / 公式」中更匹配的任务类型。

相关链接