海螺ai提供四种ocr文字识别方法：一、底部“识图”图标快速识别；二、对话中发图自动ocr；三、pdf批量逐页ocr；四、语音指令唤起识图ocr。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您在使用海螺AI时需要将图片中的文字内容提取为可编辑文本，系统内置的OCR能力可直接完成识别与结构化输出。以下是实现该目标的多种方法：
一、通过底部导航栏启动识图OCR
该方式为最简路径，适用于日常快速截图、文档照片、白板笔记等常见场景，调用MiniMax自研多语言OCR引擎，支持中、英、日、韩、法、德等30+语种混合识别，并自动区分段落与标题层级。
1、打开海螺AI应用，确保已登录账号以启用完整OCR权限。
2、点击底部导航栏中的“识图”图标（相机形状）。
3、选择“从相册选取”或“拍照”，上传一张文字清晰、无严重反光或倾斜的图片。
4、等待识别完成，系统将在预览页以高亮框标出所有识别区域，并按阅读顺序排列文本块。
5、点击任意高亮文本块右侧的“复制”按钮，或点击页面顶部“全部复制”获取结构化纯文本。
二、在对话界面中嵌入图片触发OCR
此方法无需跳转功能页，适合已在聊天窗口中处理资料、网页长图或PDF截图的用户，系统会自动检测消息中携带的图片附件并启动OCR流程，识别结果作为独立消息返回。
1、进入任意对话窗口，长按输入框调出附件菜单，或点击输入框旁的“+”图标。
2、选择“图片”，上传含文字的图像文件（支持JPG、PNG、WEBP格式，单张≤20MB）。
3、发送后，海螺AI将自动执行OCR，数秒内返回识别文本，并标注置信度较高的关键字段（如日期、金额、姓名）。
4、若识别存在错字，可点击识别结果下方的“编辑原文”按钮，在弹出面板中手动修正对应区域文字，再点击“重新识别”同步更新。
三、对PDF扫描件进行批量OCR处理
针对多页PDF文档，海螺AI支持整份文件上传后逐页解析，保留原始页码索引与图文位置关系，特别适用于合同、论文、教材等学术与办公材料的数字化归档。
1、点击底部“识图”图标，进入上传页后点击右上角“更多”按钮。
2、选择“上传PDF”，从文件管理器中选取本地PDF文件（≤50页，总大小≤30MB）。
3、上传完成后，系统显示分页缩略图，每页右下角标注“OCR中…”状态标签。
4、待全部页面识别完毕，点击“导出文本”，选择“按页分段”或“合并为单文本”，生成带页码标记的Markdown格式结果。
5、注意：免费账号单日最多处理3份PDF；Pro订阅用户可解锁每日20份及OCR历史存档功能。
四、使用语音指令唤起识图OCR流程
该方式专为移动端免手操作设计，适用于会议现场拍摄PPT、课堂黑板记录等需即时响应的场景，语音指令激活后自动调起相机并完成识别闭环。
1、在聊天输入框点击麦克风图标，开始语音输入。
2、清晰口述：“识别这张图里的文字”或“把刚拍的发票内容转成文本”。
3、语音识别完成后，系统立即调起相机界面；拍摄或选取图片后，OCR自动运行。
4、识别结果将以卡片形式插入当前对话流，支持一键转发至微信或保存至备忘录。
