文婷 发自 凹非寺
量子位 | 公众号 QbitAI
曾经只能手动摘取PDF文字、结果乱码一堆、LLM还看不懂的苦逼日子——
终于要结束了！
Y Combinator孵化的明星项目Firecrawl团队最近放了个大招：
其联合创始人兼CTO Nicolas Camara宣布，他们最新开发的OCR It可以在20ms内将一份不可复制的PDF文件内的所有文字内容提炼完，并将其转化成清晰的Markdown格式，AI读完马上就能看懂。
20ms是什么概念？
相当于你刚点完确定还没眨完眼，一份处理好的Markdown文件就已经清清爽爽地交到你手上了。
而且它还不需要联网，可以100%Offline via Bundled Tesseract。
这个刚刚开源的OCR工具才刚发布，就在GitHub上获得了热门关注。
Nicolas Camara骄傲地表示，在处理质量与Docling旗鼓相当的前提下，OCR It的处理速度比Docling快了近300倍！
小伙伴们测完也纷纷在X上留言：
快，确实快得很啊！
OCR It怎么用
首先，OCR It是一款适用于Chrome和Firefox的免费浏览器插件。
你只需框选一次区域，之后每按一次快捷键（或开启自动模式），它就能把整本书或整个文档变成完整且可编辑的纯文本，方便你直接喂给AI进行总结或提问。
期间，OCR It会默认在连续识别到两张相同页面、无法继续翻页、OCR失败或达到300页上限时自动停止，避免在末页无限重复抓取。
具体而言，手动和自动档可以分别按以下的几个步骤操作：
（注：用Windows和Linux的小伙伴们需将option键替换为Alt）
1、手动档：
- 框选和识别：
首先按Option+Shift+R选定需要识别的文字区域，确认无误后按Enter保存；
完成第一步框选文字区域之后，按一次Option+Shift+S，OCR It就会开始识别当前页面，并在识别完成后会自动翻到下一页。
接下来你只需要重复这个操作直到整份文档识别完毕就好了。
如果你希望进一步节省时间的话，你也可以一边翻页一边在每一页按一次Option+Shift+S，系统会立即截图并在后台自动排队执行识别任务。
- 检查：
全部识别完成后，你可以在插件面板中检查、修改文本，也可以重新识别单独某一页，最后选择“Copy all”或“Download .txt”导出全文，整个任务就完成啦！
2、自动档：
自动挡的话就简单多了，你只需要按下Option+Shift+A或点击Start auto-run，OCR It便会自动循环执行“截图—OCR—翻页”，直至文档结束。
如果你想中途结束任务的话，按ESC就行，检查流程几乎和手动档一致。
此外，OCR It仓库界面显示，它既不需要API Key、联网、安装时也不需要索取任何网站权限，它只会在需要自动运行或操作跨域iframe时才按需申请当前站点的权限。
另外，浏览器内置PDF阅读器目前也还暂时不支持自动翻页，所以大家在处理这类PDF时，还是尽量用手动档处理吧。
处理复杂任务时还不太稳定
不过，OCR It虽然看起来又快又方便，但还远没有到“以后把所有PDF都丢给它，就能高枕无忧”的程度。
网友们通过实测达成的一个共识是：
OCR It目前可以相当顺手地处理版式简单、文字清晰的PDF文档，但它还不太能处理一些标题、脚注、表格、数学公式和正文段落混排的复杂页面，所以它还有不小的提升空间。
让我们期待一下团队后续的更新吧！
感兴趣的小伙伴们可以点进文末第二个链接看看，欢迎跟我们分享你的测试结果～
参考链接：
[1]https://x.com/nickscamara_/status/2083295265793212827
[2]https://github.com/thiagotigaz/ocr-it
[3]https://www.firecrawl.dev/about
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
— 完 —
🌟 点亮星标 🌟
