recognize_text
Extract text from images using OCR technology. Supports multiple languages and common image formats to convert visual content into editable text.
Instructions
识别图片中的文字内容（OCR）。支持中文、英文等多种语言。支持 PNG、JPG、JPEG、BMP、GIF、WebP 格式。
Input Schema
TableJSON Schema
| Name | Required | Description | Default |
|---|---|---|---|
| image_path | Yes | 图片文件的本地绝对路径，例如：/Users/xxx/Desktop/image.png | |
| languages | No | 识别语言代码数组，可选。默认 ["chi_sim", "eng"]（简体中文+英文）。可用语言：chi_sim(简中)、chi_tra(繁中)、eng(英文)、jpn(日文)、kor(韩文)等 |
Implementation Reference
- ocr.js:124-188 (handler)The core implementation of the 'recognize_text' tool, which wraps Tesseract.js to perform OCR on images.
export async function recognizeText(imagePath, languages = ['chi_sim', 'eng']) { // 第一步：验证图片 const validation = validateImage(imagePath); if (!validation.valid) { return { success: false, error: validation.error }; } try { // 第二步：执行 OCR 识别 // Tesseract.recognize() 参数说明： // - 参数1: 图片路径（也支持 URL、Buffer、Base64） // - 参数2: 语言代码，多语言用 '+' 连接 // - 参数3: 配置选项对象 const result = await Tesseract.recognize( imagePath, languages.join('+'), // 将语言数组转换为 Tesseract 格式，如 'chi_sim+eng' { // logger 回调可用于监控识别进度，调试时可取消注释 // logger: m => console.log(m) // // 进度信息格式示例： // { status: 'loading tesseract core', progress: 0.5 } // { status: 'recognizing text', progress: 0.8 } } ); // 第三步：处理识别结果 // result.data 包含完整的识别信息： // - text: 识别出的全部文字 // - confidence: 整体置信度 // - words: 单词级别的详细信息数组 // - lines: 行级别的详细信息数组 const text = result.data.text.trim(); // 去除首尾空白 const confidence = result.data.confidence; // 处理空结果的情况 if (!text) { return { success: true, // 技术上识别成功，只是没有文字 text: '', confidence, message: '图片中未识别到文字内容' }; } // 返回成功结果 return { success: true, text, confidence, message: `识别完成，置信度: ${confidence.toFixed(1)}%` }; } catch (error) { // 捕获并返回识别过程中的错误 // 常见错误： // - 网络问题导致语言包下载失败 // - 图片文件损坏 // - 内存不足（处理超大图片时） return { success: false, error: `OCR 识别失败: ${error.message}` }; } }