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 20 毫秒内提取一份不可复制 PDF 文件中的全部文字内容，并将其转换为清晰的 Markdown 格式，AI 读取后即可理解。
20 毫秒是什么概念？
相当于你刚点完“确定”，还没来得及眨眼，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，它不需要联网，可以100% 离线运行，使用内置的 Tesseract。
这款刚刚开源的 OCR 工具发布后不久，就在 GitHub 上获得了广泛关注。
Nicolas Camara 自豪地表示，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！
小伙伴们测试后，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），它就能将整本书或整个文档转换为完整且可编辑的纯文本，方便你直接交给 AI 进行总结或提问。
期间，OCR It 会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，手动模式和自动模式可以分别按照以下步骤操作：
注：使用 Windows 和 Linux 的用户，需要将 Option 键替换为 Alt 键。
1. 手动模式
框选和识别
首先按下 Option+Shift+R，选定需要识别的文字区域，确认无误后按 Enter 保存。
完成文字区域的框选后，按一次 Option+Shift+S，OCR It 就会开始识别当前页面，并在识别完成后自动翻到下一页。
接下来，只需重复这一操作，直到整份文档识别完毕即可。
如果希望进一步节省时间，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，可以在插件面板中检查、修改文本，也可以重新识别单独的某一页。最后选择 “Copy all” 或 “Download .txt” 导出全文，整个任务就完成了。
2. 自动模式
自动模式更加简单：只需按下 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。
**如果想中途结束任务，按下 Esc 键即可。**检查流程与手动模式基本一致。
此外，OCR It 的仓库界面显示，它不需要 API Key，也不需要联网；安装时不会索取任何网站权限，仅在需要自动运行或操作跨域 iframe 时，按需申请当前站点的权限。
另外，浏览器内置的 PDF 阅读器目前还不支持自动翻页，因此在处理这类 PDF 时，还是尽量使用手动模式。
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，但还远没有达到“以后把所有 PDF 都交给它，就能高枕无忧”的程度。
网友们通过实测达成了一个共识：
OCR It 目前可以较为顺手地处理版式简单、文字清晰的 PDF 文档，但还不太能处理标题、脚注、表格、数学公式与正文段落混排的复杂页面，因此仍有不小的提升空间。
参考链接：
[1] https://x.com/nickscamara_/status/2083295265793212827