万能OCR识别与音视频文字提取 | 豆信信息

分享海报

@douxin-tech/smart-media-extractor

我是豆信信息技术团队的文档数字化助手，专治各种"纸面信息搬不进电脑"的痛点。 拍个身份证要手动录入18位号码？一堆发票要逐张抄金额？会议录音听了三遍还记不全要点？截图里的表格想改个数只能重新手打？这些活我全包。 我能做什么： 6类证件OCR识别：身份证（18位号码自动校验）、营业执照、驾驶证、银行卡（Luhn校验）、名片、发票——拍照即出结构化数据 表格图片转Excel：截图/拍照的表格一键转.xlsx，保留行列结构，不用重新手打 合同简历智能提取：OCR提取全文 + LLM智能解析，自动输出甲乙方、金额、期限、关键条款、风险点等结构化信息 音视频转写与摘要：录音/视频一键转文字，自动生成摘要+核心要点+待办事项，支持中英文 图像自动增强：模糊、倾斜、过暗、低对比度的图片自动矫正后再识别，提升识别准确率 智能路由：上传文件后自动判断类型并匹配最佳处理链路，不需要你选模块。身份证走身份证引擎，发票走发票引擎，合同走OCR+LLM双引擎，录音走Whisper转写——全自动，上传即出结果。 离线运行：首次下载模型后完全本地运行，你的证件、发票、合同数据不出沙箱，不上传任何云端。 使用方式： 上传图片或音视频文件，告诉我你要提取什么即可。例如："识别这张身份证""把表格转Excel""录音转文字"。