Mac 圖片轉文字：掃描 PDF 離線轉 Markdown

有人傳來一份掃描的報告、一張用手機拍的考卷，或一篇 40 頁、每頁都是圖片的論文 PDF。你只想要其中一段文字、一張表格，或整篇內容，偏偏一個字都選不起來。手動重打又慢又容易出錯，線上 OCR 服務則要你把可能機密的文件上傳到別人的伺服器。

OtterPix 內建「AI 文字辨識」，一個完全在你的 Mac 上執行的文件辨識工具。拖入一張頁面圖片或一份 PDF，得到的是結構化的 Markdown：標題、段落、還原成真正表格的表格、公式，以及頁面上的插圖。這個功能免費、不限次數，第一次下載模型後就能在沒有網路的情況下使用。

AI 文字辨識適合處理什麼

它讀的是文件：學術論文、掃描的信件與報告、考卷和表單、文字截圖，以及多頁 PDF。它理解版面結構：小標題依然是小標題，表格保留列與欄，公式以 LaTeX 形式保留，不會被壓成一串符號。

它不是通用的照片認字工具。路標、商品照、迷因圖都不在模型的設計範圍內，結果可能不可靠。如果素材是一頁文字，就用它；如果是一張帶著幾個字的生活照，就不適合。

從掃描檔或 PDF 擷取文字：操作步驟

1. 開啟 OtterPix，點選側邊欄的「全部功能」，選擇「AI 文字辨識」。空白頁面會提示「拖入文件或 PDF 開始。」
2. 拖入一張頁面圖片（掃描檔、拍下的書頁、截圖）或一份 PDF。如果是 PDF，工具會顯示頁數，並提供「頁碼範圍」的起訖頁欄位，可以辨識整份文件，也可以只辨識某一章。
3. 選擇「模式」：「圖文混排」（預設）或「標準」。下一節說明怎麼選。
4. 點選「辨識」。第一次使用時還沒有辨識模型，點「開啟設定」下載一次即可。進度逐頁顯示，例如「正在解析第 3 / 12 頁」。
5. 在「渲染」「原始碼」「純文字」三種檢視中查看結果。切換檢視不會重新執行模型。
6. 開啟「儲存」選單，選擇「匯出為 Markdown (.md)」「匯出為純文字 (.txt)」或「拷貝全部」。⌘S 會直接匯出 Markdown。

「圖文混排」還是「標準」：如何選擇模式

• 「圖文混排」是預設模式，適合大多數文件。它會把頁面上的插圖和照片作為圖片嵌入結果，論文、報告以及圖文並陳的頁面都適用。遇到極密集的純文字頁，可能會漏掉部分內容。
• 「標準」專注於文字、表格和公式，會略過複雜插圖。極密集的頁面，例如考卷和表單，用它更合適。

不必事先猜對。如果有頁面幾乎沒辨識出內容，OtterPix 會提示「部分頁面幾乎沒辨識出內容——可能更適合另一種模式。」，並提供一個按鈕，用另一種模式重新辨識同一份文件。

三種檢視和模式彼此獨立。「渲染」顯示排好版、插圖就位的文件，「原始碼」顯示原始 Markdown，「純文字」去掉所有格式。從「渲染」檢視拷貝，貼上的是含插圖的完整文件；匯出的 Markdown 檔案也把插圖存在檔案內，搬到別的資料夾也不會出現失效的圖片連結。

長篇 PDF：頁碼範圍、暫停與取消

200 頁的 PDF 會一頁一頁處理：每頁在辨識前才渲染，辨識完就釋放，長文件不會塞滿 Mac 的記憶體。在「頁碼範圍」設好需要的部分，其餘頁面完全不會被處理。

長時間的任務進行中，「暫停」會停在目前頁面的中途，「繼續」從原處接著辨識。「取消」會徹底結束任務，已辨識出的文字仍留在畫面上，並提示「辨識提前停止，以下是目前已辨識的文字。」若某一頁因錯誤中斷也一樣：之前的內容全部保留，可以直接匯出。

下載一次，之後完全離線

辨識模型只需下載一次，大小 3.66 GB。可以從錯誤提示裡的「開啟設定」、AI 文字辨識頁面的齒輪按鈕，或「設定 → AI」開始下載；下載中斷後會接續，不必從頭來過。之後辨識全部在 Mac 的 Apple 晶片上完成：文件、辨識出的文字和匯出的檔案都不會離開你的電腦。

有一個設定值得知道：點 AI 文字辨識頁面上的齒輪按鈕開啟「AI 文字辨識設定」，「生成上限」區塊裡的「最大 token 數」限制模型每頁輸出的文字量。如果很長的一頁被截斷，頁面會出現提示列，告訴你輸出已達到 token 上限；點提示列裡的「開啟設定」，把數值調高後再點一次「辨識」即可。