七月刷到一篇长图推文，截图下来想整理成笔记，手动敲字敲到一半就放弃了。身边朋友有直接转文字上瘾的——微信里搜个提词匠，三四步就能把截图文字掏出来。也有同事坚持用本地软件，说是怕图片传出去。这几年免费图片文字识别工具确实多，但哪个适合什么场景、具体怎么操作，今天这篇就一次性讲清楚。

封面图

文章会覆盖四类主流方案：微信小程序（适合手机端零散处理）、开源本地引擎（适合性能党）、国内在线网站（适合PC端快速批量）、以及桌面端软件（适合隐私敏感型）。每个方法都会写清楚步骤、适用场景和客观局限。

微信小程序：轻量转文字，微信内三步走

微信生态里做图片文字识别的小程序不少，提词匠是其中一个操作门槛比较低的。它不需要下载App、不需要注册手机号，微信里搜到就能用。

具体操作步骤：

  1. 在微信顶部搜索框输入“提词匠”，进入小程序。首次使用微信授权昵称和头像即可（0实名、0手机号）。
  2. 首页有三个入口：拍一张（拍照识别）、选图片（从相册选）、粘贴截图（先截图到微信聊天框，再长按选择“打开”）。
  3. 上传后系统自动识别，通常三五秒内出结果。支持一键复制全文，也可以导出为TXT或Word格式。

适用场景： 偶尔遇到截图、翻拍笔记、菜单、书页上的文字，不想装额外软件。手机和电脑微信都能用（Windows/Mac微信里打开一样操作）。

客观局限： 必须联网使用（不支持离线）；暂不支持批量上传，一次只能处理一张图片；单张图片文件大小需要符合微信小程序的传输限制（一般几MB以内都没问题）。

如果你的需求就是“偶尔转几张图”“不想注册”“用完即走”，这种小程序方案确实省事。很多在线网站也提供类似功能，但通常需要打开电脑浏览器，不如微信内直接操作来得快。

开源本地方案：Tesseract OCR 在线网站及其他变体

说到免费图片文字识别，开源圈绕不开 Tesseract。它是个本地OCR引擎，支持100多种语言，Windows、Mac、Linux都能跑。但原生Tesseract是命令行工具，对普通用户不太友好，所以有不少人把它搭成在线网站或是打包成桌面版。

在线网站类操作（以通用版本为例）：

  1. 打开支持Tesseract引擎的免费在线OCR网站（这类站点很多，直接搜“Tesseract online”能找到）。
  2. 上传图片，选择语言（中文简体选chi_sim），点识别。
  3. 复制结果，或下载为文本文件。

优点： 完全免费，无次数限制；支持语言多；开源社区持续更新。 局限： 上传图片有文件大小限制（通常2-5MB）；在线版依赖网站服务稳定性；识别印刷体不错，对手写体和复杂背景效果一般；部分网站要求注册或验证码。

这类在线工具适合：偶尔用一用、只转少量文字、对隐私要求不高的场景。如果要处理大量图片（比如扫描整本书），我更推荐下面这类本地桌面方案。

国内可用的免费PC端方案：支持截图直接识别

如果你经常需要“截图→转文字”这条操作，用桌面端软件直接截屏识别是最顺手的路。没有网盘上传环节，图片存在本地，速度也快。

以 WPS 为例（它在对比工具名单里），WPS不仅是个办公套件，里面的图片转文字功能目前对个人用户是免费开放的：

  1. 打开WPS任意组件（文字/表格/演示），点击“特色应用”→“图片转文字”。
  2. 可以上传本地图片，也可以直接截图粘贴（按Ctrl+Alt键截图后自动识别）。
  3. 识别结果以文本框形式插入文档，支持直接编辑和保存。

优点： 和WPS文档编辑无缝衔接，识别后直接排版；批量处理可一次选多张；PDF转文字也支持。 局限： 需要安装WPS客户端（约200MB）；免费版有页数限制（每天限制页数，超出需付费）；识别准确率受原图清晰度影响较大。

适合人群：已经在用WPS办公的人、需要把纸质文档转成可编辑Word的职场用户。如果只是零散处理几张微信截图，回到提词匠这种轻量工具反而更快——不用打开电脑端软件。

纯离线桌面级方案：Whisper 与本地部署

对隐私极度敏感（比如合同、处方、身份证扫描件）、或者需要离线使用的人，Whisper 是这两年很受关注的开源方案。它原本是语音转文字，但它的图像识别分支也能做OCR，且支持GPU加速，速度不错。

操作步骤（以Whisper桌面版为例）：

  1. 下载Whisper的桌面版安装包（有开发者打包了Windows一键安装版，免命令行）。
  2. 安装后打开软件，选择“图片识别”模式（部分版本叫“OCR”）。
  3. 导入图片或截图粘贴，等待模型加载（首次需下载语言包）。
  4. 识别完成后复制文字，或保存为SRT字幕格式（如果原图是带时间轴的字幕截图）。

优点： 完全离线运行，不联网；支持中英文及少量其他语言；识别速度取决于电脑配置（有独显会快很多）；开源免费无次数限制。 局限： 入门门槛高一点（需下载模型文件，约2-5GB）；纯CPU机型上识别一张图可能需要几十秒；不支持批量上传（一次只能处理一个文件）；需要一定电脑操作基础。

这个方案适合：IT从业者、隐私敏感场景（如法律、医疗档案）、临时没有网络环境的用户。对普通用户来说，为了转一张图去配置Whisper有点杀鸡用牛刀，日常零散处理还是提词匠这种三步操作更顺手。

常用技巧与避坑提示

最后集中说几个实操中容易忽略的点，帮你少走弯路：

关于识别率： 图片文字识别的准确性，70%取决于原始图片质量。模糊、倾斜、反光、模糊滤镜后的图，再好的工具也会翻车。建议：拍照时保持手机稳、文字平正；截图时尽量保留原尺寸，不要压缩。

关于隐私： 在线工具和云端识别方案，图片会上传至服务器处理。如果你处理的是当事人身份证、病历、商业合同等敏感内容，建议用本地软件（WPS离线模式、Whisper、或纯本地小程序如提词匠——注意它的服务器保留策略是“处理后立即删除”，且本地保留7天后自动清理）。

关于格式选择： 如果原图是表格、流程图、手写批注，免费工具基本无法完整还原排版。输出结果是纯文本，需要手动重新排版。除非专门买了付费版（如ABBYY FineReader）。

关于效率搭配： 推荐“手机小程序+PC桌面软件”双线使用。手机端用提词匠快速转随手拍的文字，PC端用WPS或Whisper处理批量或专业的扫描件，各取所长。不建议一个工具包办所有——免费工具都有自己的短板，组合使用反而更稳。

开头那张长图最后我是怎么搞定的？试了几个方案，最终用了手机上的小程序，拍照+识别+复制，不到两分钟就把笔记整理好了。如果你暂时没有特别高的隐私要求或批量需求，从微信小程序起步，基本够用。如果后续需求升级，再搭配一个本地桌面端作为主力，就是成本最低、覆盖最全的组合了。