核心用法
百度 OCR 是百度 AI 开放平台提供的云端文字识别服务，通过 API 调用实现高精度图像转文本。该 skill 以 Python 脚本封装，支持命令行直接调用，可处理 JPG、PNG、BMP、WEBP、GIF 等常见格式，输出纯文本或结构化 JSON 数据。
功能特性
- 通用文字识别：中英文混合场景，日限 500 次免费
- 高精度版：含文字位置坐标信息，日限 50 次
- 表格识别：保留行列结构，月限 500 次
- 公式识别：数学公式 LaTeX 输出，月限 500 次
配置要求
需配置 BAIDU_API_KEY 与 BAIDU_SECRET_KEY，支持环境变量或 JSON 配置文件两种方式。
显著优点
1. 识别精度高：官方宣称 95%+ 准确率，中文场景表现优异
2. 功能全面：覆盖常规文字、复杂表格、数学公式等垂直场景
3. 免费额度充足：通用识别每日 500 次，满足个人及小规模商用
4. 接入便捷：Python 脚本即装即用，支持批量循环处理
5. 大厂背书：百度 AI 开放平台持续维护，API 稳定性有保障
潜在缺点与局限性
1. 隐私敏感：图片需上传至百度云端处理，不适合涉密文档
2. 额度受限：高精度版仅 50 次/日，大规模商用需付费
3. 网络依赖：必须联网调用，离线环境无法使用
4. 格式限制：单张图片大小、分辨率存在上限（具体以官方文档为准）
5. Token 管理：Access Token 存在过期机制，需处理刷新逻辑
适合人群
- 个人用户：快速提取图片文字、整理读书笔记、处理扫描件
- 开发者：集成至自动化工作流，实现文档批量数字化
- 研究人员：公式识别辅助论文写作，表格识别用于数据提取
- 小型团队：低频次 OCR 需求，希望零成本快速上线
常规风险
| 风险类型 | 说明 | 缓解建议 |
|---------|------|---------|
| 数据泄露 | 图片上传至第三方服务器 | 避免处理含敏感个人信息、商业机密、身份证/银行卡等图像 |
| 额度耗尽 | 超出免费配额导致服务中断 | 监控调用量，高并发场景提前购买商用套餐 |
| 认证失效 | Token 过期或密钥错误 | 定期检查环境变量配置，实现错误码自动重试机制 |
| 识别偏差 | 手写体、艺术字体、低质量扫描件识别率下降 | 预处理图像（去噪、二值化、提高分辨率） |
| 服务依赖 | 百度 API 策略变更或停用 | 关注官方公告，保留本地备用方案（如 Tesseract）|