paddleocr-text-recognition

PaddlePaddle/PaddleOCR · Agent Skill

Estrae testo da immagini, foto, scansioni e screenshot con elevata precisione, inclusi testi scritti a mano e in piccolo.

Vai all'installazione ↓

Panoramica

Autore	PaddlePaddleOrganizzazione
Repository	PaddlePaddle/PaddleOCR ↗
Cartella dello skill	`paddleocr-text-recognition`
Stelle	88.975
File inclusi	1
Licenza	Apache-2.0
Aggiornato	3 giugno 2026
Link	Sorgente dello skill ↗ · Repository ↗

Verifica Mozgi

Cosa abbiamo trovato nei file dello skill. I dettagli con l’abbonamento.

Sicurezza

rischio basso · nessun rischio evidente — il report completo mostra i dettagli

Compatibilità

solo istruzioni — funziona con la maggior parte degli agenti

Skill simili

37 skill simili trovati

Inoltre con l’abbonamento

Installazione

Uno skill è una cartella con un file SKILL.md. Scegli il tuo agente ed esegui i comandi in un terminale (macOS, Linux o Git Bash su Windows) dalla radice del progetto.

Incolla il prompt in Claude, Codex o un altro assistente: controllerà lo skill e lo installerà.

Install the “paddleocr-text-recognition” skill from mozgi.io (https://mozgi.io/skills/paddleocr-text-recognition/) for me.

1. Download the archive: https://mozgi.io/skills/paddleocr-text-recognition/download
   If it fails, take the skill folder from the source: https://github.com/PaddlePaddle/PaddleOCR/tree/main/skills/paddleocr-text-recognition
2. Read SKILL.md and the other files. Check the skill is safe: no hidden commands, no sending data elsewhere, no scripts doing something other than described. If anything looks suspicious, stop and tell me.
3. Put the “paddleocr-text-recognition” folder into your agent's skills folder: .claude/skills/ for Claude Code, .agents/skills/ for Codex, .cursor/skills/ for Cursor, .gemini/skills/ for Gemini CLI. Inside the project if we are in one, otherwise in the home folder (~/.claude/skills/ etc.).
4. Make sure <skills folder>/paddleocr-text-recognition/SKILL.md exists.
5. Briefly tell me what this skill does and offer to try it on my task.

If you cannot do a step yourself, tell me what to click or type.

git clone --depth 1 --branch main https://github.com/PaddlePaddle/PaddleOCR.git /tmp/PaddleOCR
mkdir -p .claude/skills
cp -r /tmp/PaddleOCR/skills/paddleocr-text-recognition .claude/skills/paddleocr-text-recognition

Riavvia Claude Code: lo skill compare nell'elenco; per richiamarlo a mano usa /paddleocr-text-recognition. Per tutti i progetti: ~/.claude/skills.

git clone --depth 1 --branch main https://github.com/PaddlePaddle/PaddleOCR.git /tmp/PaddleOCR
mkdir -p .agents/skills
cp -r /tmp/PaddleOCR/skills/paddleocr-text-recognition .agents/skills/paddleocr-text-recognition

Codex cerca gli skill in .agents/skills dalla cartella corrente fino alla radice del repo; richiamalo con /skills o $paddleocr-text-recognition. Per tutti i progetti: ~/.agents/skills.

git clone --depth 1 --branch main https://github.com/PaddlePaddle/PaddleOCR.git /tmp/PaddleOCR
mkdir -p .cursor/skills
cp -r /tmp/PaddleOCR/skills/paddleocr-text-recognition .cursor/skills/paddleocr-text-recognition

Cursor carica lo skill all'avvio; richiamalo con “/” nella chat Agent. Cursor legge anche .claude/skills e .agents/skills. Per tutti i progetti: ~/.cursor/skills.

git clone --depth 1 --branch main https://github.com/PaddlePaddle/PaddleOCR.git /tmp/PaddleOCR
mkdir -p .gemini/skills
cp -r /tmp/PaddleOCR/skills/paddleocr-text-recognition .gemini/skills/paddleocr-text-recognition

Gemini CLI propone di attivare lo skill quando il compito corrisponde: tu confermi. Per tutti i progetti: ~/.gemini/skills.

File dello skill

1 file Scarica ZIP

Leggi SKILL.md e i file correlati prima di installare. Clicca un file per l'anteprima.

Contenuto di SKILL.md

Testo originale dell'autore · sola lettura

PaddleOCR Text Recognition

When to Use This Skill

Use this skill for:

Extract text from images (screenshots, photos, scans)
Extract text from PDFs or document images when the goal is line/box-level text
Extract text from URLs or local files that point to images/PDFs

Do not use for:

Documents with tables, formulas, charts, or complex layouts — use Document Parsing instead

Usage

Basic OCR

From URL:

paddleocr api \
  --model_type ocr \
  --file_url "https://example.com/image.png"

From local file:

paddleocr api \
  --model_type ocr \
  --file_path "./document.pdf"

Common Options

# With specific model
paddleocr api \
  --model_type ocr \
  --model PP-OCRv5 \
  --file_path "./report.pdf"

# Disable preprocessing (faster, for flat/well-oriented images)
paddleocr api \
  --model_type ocr \
  --file_path "./document.pdf" \
  --use_doc_unwarping False \
  --use_doc_orientation_classify False

# Save result to file
paddleocr api \
  --model_type ocr \
  --file_url "https://..." \
  --output result.json

# Page ranges
paddleocr api \
  --model_type ocr \
  --file_path "./large.pdf" \
  --page_ranges "1-5,10,15-20"

Output Format

{
  "jobId": "job-xxx",
  "pages": [
    {
      "prunedResult": {
        "rec_texts": ["Line 1", "Line 2"],
        "rec_scores": [0.98, 0.95]
      },
      "ocrImageUrl": "https://..."
    }
  ]
}

Important Notes

Preprocessing options: By default, the API enables document preprocessing (unwarping and orientation classification). For flat, well-oriented images (screenshots, properly scanned documents), you can disable preprocessing for faster results:

paddleocr api --model_type ocr --file_path "./document.pdf" --use_doc_unwarping False --use_doc_orientation_classify False

Keep preprocessing enabled when:

The input is a photo of a curved or folded document
The document has significant perspective distortion
Orientation is uncertain (rotated 90/180/270 degrees)

Display complete results: Always show the full extracted content to users. Do not truncate with "..." unless content exceeds 10,000 characters. When multiple pages are processed, summarize if needed but provide complete results when explicitly requested.

Handle errors gracefully: When the CLI returns an error, inform the user of the specific issue rather than silently failing or falling back to your own vision capabilities. Common errors:

Authentication: PADDLEOCR_ACCESS_TOKEN invalid or missing
Quota: API rate limit exceeded
No content detected: Image may be blank or contain no text

CLI Reference

Run paddleocr api --help for all options.

For full documentation, see: PaddleOCR Official Documentation ↗

Domande frequenti

Che cosa fa lo skill paddleocr-text-recognition?

Estrae testo da immagini, foto, scansioni e screenshot con elevata precisione, inclusi testi scritti a mano e in piccolo.

Come si installa paddleocr-text-recognition?

Apri il blocco “Installazione” in questa pagina e scegli il tuo agente — Claude Code, Codex, Cursor o Gemini CLI — per i comandi pronti che copiano la cartella dello skill nel posto giusto. Oppure copia il prompt dalla scheda “Con l'assistente” e lascia che sia l'assistente a controllare e installare lo skill.

Con quali modelli AI funziona paddleocr-text-recognition?

Gli skill sono semplici istruzioni in Markdown (formato Agent Skills), quindi paddleocr-text-recognition funziona con qualsiasi agente che legge SKILL.md: Claude Code, Codex, Cursor, Gemini CLI, GitHub Copilot, OpenCode e altri. Il modello carica le istruzioni solo quando il compito corrisponde alla descrizione dello skill.

paddleocr-text-recognition è gratuito?

Lo skill è pubblicato apertamente da PaddlePaddle con licenza Apache-2.0. Lo skill in sé non costa nulla: paghi solo il tuo fornitore AI per i token usati.

È sicuro installare gli skill?

Uno skill è un insieme di istruzioni che il tuo agente seguirà: leggi SKILL.md e i file correlati prima di installarlo. Gli script nella cartella dello skill vengono eseguiti solo se li esegue l'agente: controlla cosa fa e non concedere permessi superflui.

In cosa differisce uno skill da un server MCP o da un plugin?

Un server MCP o un plugin danno al modello nuovi strumenti: codice che viene eseguito e restituisce un risultato. Uno skill fornisce conoscenza e metodo: come affrontare il compito, quali passi seguire e com'è un buon risultato. Non servono server né chiavi API.

Skill correlati

Tutti gli skill →

meme-maker Crea meme da modelli pronti, suggerendo formati e generando immagini localmente o ospitate. openclaw390k

stable-diffusion Genera immagini da descrizioni testuali, consente di modificare immagini esistenti e crearne di nuove basate su di esse. NousResearch245k

clip Classificazione di immagini zero-shot e ricerca di immagini tramite testo. Comprende le immagini dal linguaggio naturale. NousResearch245k

segment-anything-model Segmenta qualsiasi oggetto nelle immagini senza addestramento preliminare, utilizzando punti, caselle o maschere. NousResearch245k

imagegen Genera o modifica immagini raster come foto, illustrazioni, texture o sprite per il tuo progetto. openai122k

nanobanana-ppt Genera presentazioni PowerPoint dall'analisi dei documenti, utilizzando l'IA e immagini stilizzate dello stack NanoBanana. nexu-io95.9k