skilld
All skills
iflytek avatar

/iflytek-pdf-image-ocr

@388181a
by iflytekiflytek/ifly-skills218 stars
27

ifly-pdf-image-ocr skill supporting both image OCR (AI-powered LLM OCR) and PDF document recognition. Use when user asks to OCR images, extract text from images/PDFs, convert PDF to Word/Markdown, or perform any OCR tasks on images or PDFs. Supports multi-language text extraction, document layout understanding, and various output formats.

Ask your Agent

Use this Skill: https://skilld.dev/gh/iflytek/ifly-skills/iflytek-pdf-image-ocr

This session only. Nothing lands on disk.

README.md

≈629 tokens on demand. Your agent reads this file only when SKILL.md points to it.

iFly PDF & Image OCR

通用 OCR 技能，包含两个独立脚本：

  • scripts/image_ocr.py：图片 OCR
  • scripts/pdf_ocr.py：PDF OCR

这两个脚本都依赖 requests。

前置条件

pip install requests

环境变量按能力区分：

# 图片 OCR
export IFLY_APP_ID="your_app_id"
export IFLY_API_KEY="your_api_key"
export IFLY_API_SECRET="your_api_secret"

# PDF OCR
export IFLY_APP_ID="your_app_id"
export IFLY_API_SECRET="your_api_secret"

图片 OCR

适合对截图、扫描图、海报、表格图片做文字提取和版面保留。

# 默认同时返回 json 和 markdown 结果
python3 scripts/image_ocr.py ./image.jpg

# 只输出 markdown
python3 scripts/image_ocr.py ./image.jpg --format markdown

# 保存到文件
python3 scripts/image_ocr.py ./image.jpg -o output.txt

图片 OCR 参数

参数 说明 默认值
image_path 图片路径 -
--format json、markdown、json,markdown json,markdown
--output, -o 保存结果到文件 不保存

PDF OCR

适合对 PDF 文档进行结构化识别，输出 Word、Markdown 或 JSON，并返回下载地址与分页状态。

# 默认导出 Word
python3 scripts/pdf_ocr.py ./document.pdf

# 导出 Markdown
python3 scripts/pdf_ocr.py ./document.pdf --format markdown

# 只提交任务，不轮询
python3 scripts/pdf_ocr.py ./document.pdf --no-poll

# 调整轮询时间
python3 scripts/pdf_ocr.py ./document.pdf --poll-interval 10 --max-wait 600

PDF OCR 参数

参数 说明 默认值
pdf_path 本地 PDF 路径 -
--pdf-url 公网 PDF URL；当前 CLI 仍要求传入本地 pdf_path 不传
--format word、markdown、json word
--no-poll 只返回任务号，不等待结果 关闭
--poll-interval 轮询间隔，最小 5 秒 5
--max-wait 最大等待时间（秒） 300

限制说明

  • PDF OCR 最大支持 100 页。
  • 加密 PDF 不支持。
  • pdf_ocr.py 当前实现里，--pdf-url 不是独立的 URL-only 模式，命令行仍会校验本地 pdf_path 是否存在。
  • 图片 OCR 使用 HMAC-SHA256 鉴权；PDF OCR 使用 MD5 + HMAC-SHA1 鉴权。
  • 完整文档与错误码说明见 SKILL.md。

参考链接

Source: SKILL.md on GitHub

Third-party checks

1 warning1mo3 checks · Risk SAFE
  • Gen Agent Trust Hub1mo

    This skill provides a CLI client for iFlytek's OCR services for images and PDF documents. It handles authentication, file uploads, and polling for results. A potential vulnerability to indirect prompt injection exists because the agent processes OCR results from external files or URLs without explicit sanitization or boundary markers.

  • Socket1mo

    No alerts

  • Snyk1mo

    Risk: MEDIUM · 1 issue

Provenance

Signed by skilld at 388181a. This ties the file your Agent reads to that commit on GitHub. It does not review the instructions.

Last checked against GitHub 20 hours ago.

Activeupdated 4 months ago

Capability

Other metadata
metadata
{
  "homepage": "https://www.xfyun.cn/services/ocr",
  "openclaw": "{\"emoji\":\"📄\",\"dimensions\":[\"文档OCR\",\"PDF识别\"],\"user_instructions\":[\"OCR这个PDF\",\"提取图片中的文字\",\"帮我把这个文档转成文字\"],\"requires\":{\"bins\":[\"python3\"],\"env\":[\"IFLY_APP_ID\",\"IFLY_API_KEY\",\"IFLY_API_SECRET\"]},\"primaryEnv\":\"IFLY_API_KEY\"}"
}

README badge

README badge for iflytek/ifly-skills/iflytek-pdf-image-ocr