没有付费墙的 OCR：在浏览器里免费、本地地把图片转成 Markdown
OCR 是在线转换器最舍不得白送的功能。把扫描文档丢进那些热门工具，你会遇到同一套组合拳：免费档的页数上限、强制上传，以及横在你和识别结果之间的订阅表单。
本站走了相反的路：识别引擎完全在你的浏览器里运行，文档从不离开你的机器，也没有账号可注册——因为没有什么可计量的。这篇文章讲清楚浏览器内 OCR 怎么工作、它诚实的质量边界在哪里，以及什么时候桌面工具仍是更好的答案。
OCR 是怎么被关进付费墙的
识别的计算成本与普通格式转换不在一个量级。读 DOCX 写 Markdown 是字符串操作；识别一页图像则要让训练好的模型跑过每一个字形。在服务器上，这份成本乘以每个用户、每一页、每一天——于是厂商用页数上限、每日额度和 Pro 档位来计量。
上传要求是同一架构的必然结果。模型住在厂商的服务器上，你的文档就必须送过去——OCR 就这样成了“上传加付费墙”模式的代言：你的扫描合同躺在别人的队列里，计价器在你等待时一直走。
OCR 怎么在浏览器标签页里跑
这里的引擎是 Tesseract——驱动 ocrmypdf 等桌面工具的同一个开源识别器——编译成 WebAssembly，在任何现代浏览器里以接近原生的速度运行。它需要的语言数据按需下载、按语言分开，并在本地缓存，再次访问就跳过抓取。
扫描版 PDF 多一步。PDF 页面还不是图像，所以管线先用 PDF.js——浏览器显示 PDF 用的同一个渲染器——把每一页按双倍分辨率渲染成位图，让字形更锐利。位图交给 Tesseract，识别出的文本回来，Markdown writer 把结果组装起来。每个阶段都在你的机器上执行。
“本地”给你带来了什么
隐私是头条。病历、签过的合同、身份证件、董事会纪要：最常扫描的那几类纸，恰恰是最不该上传到陌生人服务器的那几类。当识别发生在你的浏览器标签页里，“厂商拿我的文档做了什么”这个问题根本不会成立。
次要好处都很实在。没有页数上限，因为你的 CPU 是唯一的计价器。没有排队，因为你是唯一的任务。没有账号，因为没有东西可开账单。而且引擎和语言数据缓存好之后，工具离线也能工作——在飞机上、在地下档案室、在与网络隔离的机器上。
八种语言，按需加载
识别模型按文种各司其职：为英语调校的模型猜中文会很糟。工具提供八种语言的语言数据——英语、德语、法语、西班牙语、意大利语、葡萄牙语、简体中文和日语——只下载你选中的那一种，让首次加载的成本与你实际用量成正比。
选对语言比任何其他设置都重要。用英语模型识别德语文档，变音符号会在猜测中丢失；用拉丁模型识别中文页面，产出的是噪声。混语文档是公认的难题：选占主导的语言，并对少数语种的段落做好校对的心理准备。
诚实的质量预期
干净的印刷文本是顺风局：300dpi 的激光打印页面清晰扫描，识别准确率接近完美，拿回来的 Markdown 真正可用。劣化遵循可预测的路线——低分辨率、页面歪斜、复印件发淡、花体字体，每一样都在消耗准确率；手写体则仍然超出任何主流引擎的可靠范围。
两种失败模式值得特别警惕。视觉易混字符——大写 I、小写 l、数字 1、数字 0 和大写 O——会静默误读，所以数字和姓名值得人工过一遍。表格是结构上的软肋：OCR 按阅读顺序读出单元格文本，却重建不出网格，识别出来的表格会以一行行文本的形式到达，网格由你自己重建。OCR 的产出是草稿——把它当草稿对待，是工作流和灾难之间的分界线。
从本地 OCR 拿到最好结果
输入质量是你手里最大的杠杆。以 300dpi 或更高扫描，保持页面平整端正，能用扫描仪就不用手机拍照，并优先选灰度或黑白模式。只能拍文档？光线均匀、文字上没有阴影、镜头正对页面，能追回大部分差距。
在工具里：选中文档真实的语言；先跑一两页，在有代表性的样本上核对准确率；文本进入任何下游之前，把数字校对一遍。花五分钟抽查，是给那个“可能认错的关键数字”买的便宜保险。
什么时候桌面 OCR 仍是正确选择
浏览器本地 OCR 适合人们真正拥有的那些文档：一份合同、一个章节、一摞会议纪要、一封扫描的信。它不是所有活儿的答案。给上万页的档案做数字化，应该交给一台可以彻夜运行的机器，用 ocrmypdf 这类管线无人值守地批处理文件夹。
版面复杂的文档也站在桌面工具一边。如果你的页面是密集的多栏简报，或者空间排布本身就是内容的表单，带专门版面分析的商业引擎——连同它们的人工分区工具——会胜过任何浏览器内管线。诚实的总结：日常扫描，浏览器里的本地 OCR 免费、私密、够用；工业级体量或病态版面，请上更重的机器。