# Image to Text

> 在瀏覽器裡讀手機翻拍或熱感收據上的繁體中文。PaddleOCR PP-OCRv5，大約 15–20 MB，什麼都不上傳。手寫本來就不準，這點寫在按鈕旁邊，不是藏在說明裡。

- URL: https://bytescope.dev/zh-Hant/image-to-text/
- Locale: zh-Hant · Also: [en](https://bytescope.dev/en/image-to-text.md) · [ja](https://bytescope.dev/ja/image-to-text.md)
- Runs: 檔案不會離開你的瀏覽器 — 全部在本機處理。
- Requires: OCR runs in any modern browser (WebGPU where available, WebAssembly otherwise). The optional AI clean-up lane needs Chrome 138+ on desktop with Gemini Nano downloaded.
- Updated: 2026-09-08

## What it does

### 英文 OCR 是紅海。手機翻拍中文才是缺口

PaddleOCR.js 在這個分頁裡用 ONNX Runtime 跑 PP-OCRv5。偵測跟辨識是官方 Apache-2.0 管線，第一次大約 15–20 MB，之後進快取。繁體中文跟熱感收據是這頁存在的理由：Tesseract 的中文準確率就是讓人關掉分頁的東西，我們不裝沒看到。

### 拖進來、貼上，或先試範例

跟塗黑截圖同一條貼上路徑——剪貼簿裡的截圖就夠了。範例按鈕會當場畫一張假收據，讓你先看一輪再拿真的出來。輸出是可以複製、下載的純文字，外加帶分數的行列表，弱的框不會被平均分數藏起來。

### 手寫跟藝術字會錯

那是模型的極限，不是少勾一個選項。印刷的價目、發票、整頁繁體的手機翻拍在分布裡。簽名、霓虹燈、書法卷軸不在。這句寫在按鈕旁邊，不是塞在 FAQ 最底下。

### 以後接 PDF

1201 的 PDF 線，掃描頁還缺一顆 OCR 後備。`/pdf-to-text` 上線時會呼叫這顆引擎，而不是再養一顆。讀完字以後要塗掉，隔壁是塗黑截圖。

## Limits

Does not OCR PDFs or multi-page scans in one go, and does not preserve layout as a document; it extracts text from an image.

## FAQ

### 圖片會被上傳嗎？

不會。辨識在這個分頁裡跑。模型檔是你按下按鈕才抓，照片不會出現在那個請求裡。

### 它實際上能讀哪些語言？

PP-OCRv5 的 `ch` 預設是給中文用的，收據上夾雜的英文也讀得動。這不是五十種語言包。整頁只有日文或只有拉丁字母，結果會比專用模型差。

### 為什麼不用 Tesseract？

瀏覽器裡的 Tesseract 讀英文沒問題。手機翻拍的繁體中文，才是值得載 20 MB 模型的理由，那個理由就叫 PP-OCRv5。差異化就這樣講。

### 手寫讀得出來嗎？

幾乎讀不好。手寫結果很爛，請當成預期，不是該回報的 bug。印刷字才是支援範圍。

### 之後會變成 PDF 的 OCR 後備嗎？

這就是計畫。`/pdf-to-text` 在 1201 那條線；掃描頁需要 OCR 時，應該呼叫這顆，而不是再長一顆。

## Related tools

- [Redact Screenshot](https://bytescope.dev/zh-Hant/redact-screenshot.md) — 分享前先把截圖上的字塗掉。
- [Remove Background](https://bytescope.dev/zh-Hant/remove-background.md) — 照片太雜的話，先把主體切出來。
- [Restore Old Photos](https://bytescope.dev/zh-Hant/photo-restore.md) — 褪色的照片可以先修清楚再讀。