开源OCR工具20ms把PDF转Markdown，速度超Docling近300倍

以前那种手动摘取PDF文字、结果乱码一堆、大模型还读不懂的日子，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 20ms 内将一份不可复制的 PDF 文件里的所有文字内容提炼完，并转化成清晰的 Markdown 格式，AI 读完马上就能看懂。

20ms 是什么概念？相当于你刚点完确定还没眨完眼，一份处理好的 Markdown 文件就已经清清爽爽地交到你手上了。而且它还不需要联网，可以 100% Offline via Bundled Tesseract。

这个刚刚开源的 OCR 工具才发布，就在 GitHub 上获得了热门关注。Nicolas Camara 骄傲地表示，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。

小伙伴们测完也纷纷在 X 上留言：快，确实快得很啊！

OCR It 怎么用

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），它就能把整本书或整个文档变成完整且可编辑的纯文本，方便你直接喂给 AI 进行总结或提问。

期间，OCR It 会默认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。这种停止策略对批量处理工具来说非常关键。

具体而言，手动和自动档可以分别按以下步骤操作：（注：Windows 和 Linux 用户需将 Option 键替换为 Alt）

1、手动档：

首先按 Option+Shift+R 选定需要识别的文字区域，确认无误后按 Enter 保存。完成第一步框选文字区域之后，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。接下来只需要重复这个操作直到整份文档识别完毕。

如果你想进一步节省时间，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。

全部识别完成后，你可以在插件面板中检查、修改文本，也可以重新识别单独某一页，最后选择 Copy all 或 Download .txt 导出全文，整个任务就完成了。

2、自动档：

自动档就简单多了，只需要按下 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。想中途结束任务的话，按 ESC 就行，检查流程和手动档基本一致。

此外，OCR It 仓库界面显示，它既不需要 API Key、联网，安装时也不需要索取任何网站权限，只会在需要自动运行或操作跨域 iframe 时才按需申请当前站点的权限。

另一个需要注意的点是：浏览器内置 PDF 阅读器目前还暂时不支持自动翻页，所以处理这类 PDF 时还是尽量用手动档。

复杂任务还不够稳定

不过，OCR It 虽然看起来又快又方便，但还远没到“以后把所有 PDF 都丢给它就能高枕无忧”的程度。

网友们实测后达成的一个共识是：OCR It 目前可以相当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、数学公式和正文段落混排的复杂页面，提升空间还不小。

这个不足也在意料之中——20ms 换来 300 倍速度，必然需要在某些环节做取舍。毕竟在 OCR 赛道上，速度和精度从来都不是白拿的。

让我们期待一下团队后续的更新吧。感兴趣的小伙伴可以点进文末第二个链接看看，欢迎分享你的测试结果。

参考链接：
[1] https://x.com/nickscamara_/status/2083295265793212827
[2] https://github.com/thiagotigaz/ocr-it
[3] https://www.firecrawl.dev/about

如果你对这类效率工具和 Rust 生态感兴趣，不妨来云栈社区和更多开发者一起交流实战经验。