核心用法
PaddleOCR Text Recognition是百度飞桨开源OCR框架的官方API封装技能，专精于从图像、截图、扫描件中提取机器可读文本。用户通过ocr_caller.py脚本调用，支持URL或本地文件输入，返回结构化JSON包含完整识别文本与可选检测框坐标。
关键操作流程：配置环境变量PADDLEOCR_OCR_API_URL和PADDLEOCR_ACCESS_TOKEN后，执行python scripts/ocr_caller.py --file-url "图片地址" --pretty，解析返回JSON的text字段即可获取纯文本。默认将原始JSON保存至系统临时目录，可通过--stdout改为直接输出。
显著优点
- CJK文字专项优化：对中文、日文、韩文及手写体识别精度显著优于通用OCR
- 生产级精度：基于PP-OCRv5模型，支持小字号印刷体识别
- 灵活输出：可选bbox坐标输出，满足下游版面分析需求
- 双语路由：内置中英文触发词，便于智能路由发现
潜在局限
- 非结构化输出：不恢复表格网格、公式排版或阅读顺序，复杂版面需配合Document Parsing技能
- API依赖：必须配置商业API端点，免费额度有限，大文档（50+页）可能耗时数分钟
- 无本地推理：纯云端方案，敏感文档存在传输隐私顾虑
适合人群
- 需批量处理中日韩文档的办公自动化用户
- 移动端截图、手写笔记数字化场景
- 需提取纯文本供下游NLP pipeline的开发者
常规风险
- 凭证泄露风险：Token为40位字符串，误粘贴至对话历史可能导致凭证暴露
- 配额耗尽：日API限额用完后服务中断
- 超时处理：复杂PDF需预留足够等待时间，避免误判失败