Mac 图片转文字：扫描 PDF 离线转 Markdown

别人发来一份扫描的报告、一张用手机拍的试卷，或者一篇 40 页、每页都是图片的论文 PDF。你只想要其中一段话、一张表，或者整篇文字，可一个字都选不中。手动重打又慢又容易错，在线 OCR 服务则要你把可能涉密的文档传到别人的服务器上。

OtterPix 自带“AI 文字识别”，一个完全在你的 Mac 上运行的文档识别工具。拖入一张页面图片或一份 PDF，得到的是结构化的 Markdown：标题、段落、还原成真正表格的表格、公式，以及页面上的插图。这个功能免费、不限次数，首次下载模型之后无需联网即可使用。

AI 文字识别适合什么

它读的是文档：学术论文、扫描的信件和报告、试卷和表单、文字截图，以及多页 PDF。它理解页面结构：二级标题还是二级标题，表格保留行和列，公式以 LaTeX 形式保留，不会被压成一串乱码符号。

它不是通用的照片识字工具。路牌、商品照片、表情包都不在模型的设计范围内，结果可能不可靠。如果你的素材是一页文字，就用它；如果是一张带几个字的风景或生活照，就不合适。

从扫描件或 PDF 提取文字：操作步骤

1. 打开 OtterPix，点击侧边栏的“全部功能”，选择“AI 文字识别”。空白页面会提示“拖入文档或 PDF 开始。”
2. 拖入一张页面图片（扫描件、拍下的书页、截图）或一份 PDF。如果是 PDF，工具会显示页数，并提供“页码范围”的起止页输入框，可以识别整份文档，也可以只识别某一章。
3. 选择“模式”：“图文混排”（默认）或“标准”。下一节会讲怎么选。
4. 点击“识别”。第一次使用时还没有识别模型，点“打开设置”下载一次即可。进度按页显示，例如“正在解析第 3 / 12 页”。
5. 在“渲染”“源码”“纯文本”三个视图里查看结果。切换视图不会重新运行模型。
6. 打开“保存”菜单，选择“导出为 Markdown (.md)”“导出为纯文本 (.txt)”或“复制全部”。⌘S 直接导出 Markdown。

“图文混排”还是“标准”：怎么选模式

• “图文混排”是默认模式，适合大多数文档。它把页面上的插图和照片作为图片嵌入结果，论文、报告以及图文混排的页面都用它。遇到极其密集的纯文字页，可能会漏掉部分内容。
• “标准”专注文字、表格和公式，会略过复杂插图。极密集的页面，比如试卷和表单，用它更合适。

不必事先猜对。如果有页面几乎没识别出内容，OtterPix 会提示“部分页面几乎没识别出内容——可能更适合另一种模式。”，并提供一个按钮，用另一种模式重新识别同一份文档。

三个视图和模式互不相干。“渲染”显示排好版、插图就位的文档，“源码”显示原始 Markdown，“纯文本”去掉所有格式。从“渲染”视图复制，粘贴出来的是带插图的完整文档；导出的 Markdown 文件也把插图存在文件内部，挪到别处不会出现失效的图片链接。

长 PDF：页码范围、暂停与取消

200 页的 PDF 会一页一页处理：每页在识别前才渲染，识别完就释放，长文档不会占满 Mac 的内存。在“页码范围”里设好需要的部分，其余页面完全不会被处理。

长任务进行中，“暂停”会停在当前页中途，“继续”从原处接着识别。“取消”会彻底结束任务，已经识别出的文字仍留在屏幕上，并提示“识别提前停止，下面是目前已识别的文字。”如果某一页出错中断，也是一样：之前的内容全部保留，可以直接导出。

下载一次，之后完全离线

识别模型需要下载一次，大小 3.66 GB。可以从错误提示里的“打开设置”、AI 文字识别页面的齿轮按钮，或“设置 → AI”开始下载；下载中断后会接着下载，不会从头再来。之后识别全部在 Mac 的 Apple 芯片上完成：文档、识别出的文字和导出的文件都不会离开你的电脑。

有一个设置值得了解：点 AI 文字识别页面上的齿轮按钮打开“AI 文字识别设置”，“生成上限”部分的“最大 token 数”限制模型每页输出的文字量。如果很长的一页被截断，页面会出现提示条，告诉你输出已达到 token 上限；点提示条里的“打开设置”，调高数值，再点一次“识别”即可。