截图转文字

如何提取文字

1. 1

   添加图片

   支持JPG、PNG、WebP、BMP、GIF或AVIF，最多20个文件。格式从文件内容本身读取，所以扩展名写错了，也会交给正确的解码器。

2. 2

   选择文字的语言

   大多数扫描件选一种语言就够了；页面确实混用多种语言时，再加第二种或第三种。每多一种语言，就要多下载一份数据，准确率也会略降。

3. 3

   点击“提取”，下载.txt

   你会得到识别出的文字、字符数和平均置信度。需要坐标时，把输出切换为JSON。

预设针对按钮和菜单

页面打开时，“文字语言”是英语，“更多设置”里的“页面布局”是“零散文字”。这个模式会在图片的任何位置找文字，把找到的每一小段各写成一行。2026年10月21日我们检查时，一张1280 × 800、PulsarKit工具页面的截图里有103个英文单词。“零散文字”找到了其中101个。“自动识别”找到了96个，因为它把Split PDF和PDF to Word这两个按钮各粘成了一个词。在同一页面的深色主题下，结果反了过来：98个对101个。两种模式都按屏幕上的顺序保留文字。

什么时候换成“自动识别”

在一张博客文章的截图上，两种模式都找到了321个词中的317个，顺序也正确。不过，“零散文字”在每一行后面都加了一个空行，而“自动识别”把每个段落的各行保持在一起。在一行四张卡片的网格上，“零散文字”直接横着读，把四段说明的行混在了一起；另一种模式则让每张卡片的文字保持完整。在一个带两张照片的工具界面上，“零散文字”返回了96个多余的词，大多来自照片；“自动识别”只返回了10个。所以，“零散文字”适合只有菜单和按钮的简单界面。遇到段落、卡片网格和任何带照片的截图，就换成“自动识别”，或者先在图片裁剪里把照片裁掉。

得到什么，速度多快

点击“提取文字”，文字会作为以截图命名的.txt文件返回：我们80 KB的截图得到了652字节的文字。页面显示的是文件，而不是文字。想在屏幕上阅读，点击“接下来做什么？”一栏里的大小写转换：文字会在它的“原文”窗格里打开。在浏览器里第一次运行时，还会下载识别引擎和英语数据，我们检查时约4 MB。在Mac上的Chrome里，第一张截图连同下载用了1.2到1.4秒。之后，每张截图用时0.6到2.1秒。一次处理两张截图，会得到pulsarkit-batch.zip，每张截图一个.txt。

语言、文件和隐私

列表里有八种语言：英语、俄语、德语、法语、西班牙语、中文（简体）、阿拉伯语和日语，所以中文截图也能识别，在“文字语言”里选择“中文（简体）”即可。截图里混有多种语言时，“第二种语言”可以再加一种，总共最多三种；列表以外的语言不支持。PNG、JPG、WebP、BMP、GIF和AVIF每个文件最大100 MB，一次最多20个文件。长边不到1000像素的截图也能识别，但页面会提示小字可能识别不准。截图在浏览器标签页里识别，不会离开你的设备；下载的只有引擎和语言数据。扫描版PDF请改用PDF文字识别，不过它目前只能识别英文。

常见问题