核心用法
jpocr 是一款本地化运行的日语 OCR 技能，核心调用方式为执行 <SKILL_ROOT>/scripts/ocr-cli.sh 脚本，支持单图、批量目录处理及多种输出格式。默认输出纯文本（每检测区域一行），可选 --json 获取带边界框坐标、置信度、竖排标识的结构化数据，或 --viz 生成可视化叠加图。
显著优点
1. 零依赖云端：完全本地 CPU 运行（支持 Apple Silicon 与 x86），无需 GPU 加速或 API 密钥，规避网络延迟与隐私外泄风险。
2. 竖排文本专长：针对日本传统印刷文献优化，纵书（縦書き）识别质量标记为"Excellent"，填补多数通用 OCR 工具短板。
3. 多格式批量处理：支持 JPG、PNG、TIFF、JP2、BMP，可直接处理目录实现批量 OCR。
4. 结构化输出：JSON 格式提供边界框、置信度、阅读方向等元数据，便于下游文档分析工作流集成。
5. 技术栈透明：布局检测采用 DEIMv2（ONNX），文字识别为 PARSeq 级联模型，字符集覆盖约 7000 字（JIS 汉字、假名、ASCII、希腊字母）。
潜在缺点与局限性
- 手写识别实验性：手写日语（手書き）仅标记为"Experimental"，识别可靠性存疑。
- 速度瓶颈：Apple Silicon 上约 2-3 秒/图，大批量处理时效率不及 GPU 加速方案。
- 英语质量降级：英文识别标注为"Good"，复杂排版或低质量扫描可能出错。
- 无实时交互界面：纯 CLI 工具，需配合脚本或外部系统调用，对非技术用户门槛较高。
适合人群
- 日语研究者、图书馆员、档案数字化工作者
- 需要处理竖排古籍、明治/大正时期印刷文献的用户
- 注重数据隐私、倾向本地离线处理的机构或个人
- 已将 OCR 集成至自动化工作流的技术团队
常规风险
- 手写内容识别失败可能导致关键信息遗漏
- 复杂背景或低分辨率扫描需预处理（二值化、去噪）以提升准确率
- 输出 JSON 中的置信度阈值需用户自行设定过滤策略，避免低质量结果流入下游
- 字符集虽广，罕见外字或造字可能无法识别