图片转文字

同一张图，为什么不同网站给出不同结果

有件事各家的宣传页都不会提：多数能从图片里提取文字的免费工具，跑的是同一个开源引擎 Tesseract，只是编译成了 WebAssembly。我们实测了十家，其中至少五家自己就写明了这一点。所以当同一张图在一个站上出来干净的文本、在另一个站上出来一堆乱码时，引擎很少是那个变量。

真正有差别的，是送到引擎面前的东西。而其中最要紧的那个因素没人拿来宣传：字母有多少像素高。Tesseract 想要小写字母大约 20 像素高。一张在几个聊天软件之间转发过的截图，或者为了上传而被压小的照片，往往只有这个高度的一半 —— 准确率会断崖式下跌。

其他工具会让你怎么做

重拍一张。我们测的十家里，遇到结果不好时给出的常规建议就是用更高的分辨率重新拍摄或重新截图。这建议本身没错，但当那张图是你手上唯一一张时，它毫无用处。

这一页的做法是先把偏小的图放大再识别，并且明确告诉你它这么做了。实测中，一张 400 × 184 像素的截图 —— 小到多数工具会让你重来 —— 得到了 94% 的把握度，每一行都正确。放大并不能凭空造出从未被拍下的细节，但它能给引擎它原本就为之设计的字高。

如何从图片中提取文字

从图片里提取文字只需三步。无需安装、无需账号，也没有上传这一步。首次运行会把 OCR 引擎和你选的语言数据下载进浏览器缓存，之后即使离线也能用。

1. 1

   添加图片

   拖入照片、截图或扫描件 —— JPG、PNG、WebP、BMP 和 GIF 都支持。一次最多可加 20 张，它们会被逐张处理。

2. 2

   选好语言和清理选项

   把图中出现的每一种语言都选上，而不只是主要那种。扫描件和照片建议保持清理选项开启；截图本来就干净，可以关掉。只有斜着拍的页面才需要打开摆正。

3. 3

   提取，然后核对并复制

   每张图的文字会出现在一个可编辑的框里，并附带把握度。你可以复制、下载成 .txt，或把全部打包成 ZIP。请务必对照原图快速扫一遍 —— OCR 的结果即使是错的，看起来也很笃定。

引擎与语言数据在首次运行后即被缓存，所以处理第二张图时会立刻开始识别。

包含多种语言的截图 —— 这件事没有第二家在做

这一点常常让人栽跟头。我们测过的每一家，都要求你在提取前选定一种语言。对一页纯英文来说没问题，但现实中大量图片并非如此：带英文商品名的中文发票、带拉丁字母品牌名的日文界面、引用了英文网址的俄文文档。

只选一种语言，那么任何想识别图中另一种文字区域的尝试都会做得很差 —— 不是因为引擎看不见那些字符，而是因为它在用错误的模型去匹配。你会拿到一半的文字，以及本该是另一半的位置上的一堆无意义内容。

Tesseract 可以同时加载多个语言模型，而这一页允许你选任意多种。我们测过的十家工具里，没有一家提供这个能力：每一家都要求你在提取前只认准一种语言。代价也如实说清：每多一种语言，首次使用时要下载的数据就多一些，同时加载多种也会让识别慢一点。请只选图中实际出现的那几种，而不是把列表全勾上。

免费工具横向对比

十家能从图片里提取文字的工具，2026 年 9 月逐家实际使用后记录。仅列免费档的行为，而且只列有差别的项 —— 它们全都免费，多数也都在浏览器内运行。

诚实的总结是：这些图片转文字工具里有好几个都相当不错，而在浏览器内运行的那几家值得肯定 —— 那曾经是差异化，如今不再是了。仍有两件事存在差别：能不能一次交给它一整批，以及能不能一次读完混着多种文字的图。在后一件上，我们没有找到第二家能做到的。

相关工具

在你从图片里提取文字的前后可能还会用到的东西，全部免费，也全部在你自己的设备上运行。

• PDF OCR — 针对文档而不是图片 —— 加一层可搜索的文本，并保持页面完好。
• PDF 转文本 — 当 PDF 里本来就有真正的文字、只需要取出来时，不需要 OCR。
• 调整图片尺寸 — 识别前放大一张偏小的截图，或缩小一张过大的照片。
• 压缩图片 — 图本身没问题、只是文件太大发不出去的时候用。
• PDF 转 PNG — 把 PDF 的页面取成图片 —— 当你要的是画面而不是文字时。