MiniMax OCR Skill
使用 MiniMax Vision API 识别 PDF/图片中的文字内容，支持中文和英文。
功能
- - PDF 转图片（使用 poppler）
- MiniMax Vision API 文字识别
- 输出 Markdown 格式
依赖
CODEBLOCK0
使用方法
命令行
CODEBLOCK1
作为 Skill 使用
在 JavaScript 代码中调用：
CODEBLOCK2
环境变量
| 变量 | 说明 | 必填 |
|---|
| MINIMAXAPIKEY | MiniMax API Key (从 platform.minimaxi.com 获取) | 是 |
| OUTPUT_DIR |
输出目录 | 否（默认当前目录） |
输出
- - 识别结果保存为
.md 文件 - 包含所有页面的文字内容
- 保持原有格式和段落结构
示例输出
CODEBLOCK3
注意事项
- - MiniMax M2.5 模型支持视觉理解
- 每页识别约消耗 100-500 次 token
- 建议批量处理时添加适当延迟避免限流
- API Key 获取: https://platform.minimaxi.com/user-center/basic-information/interface-key
MiniMax OCR 技能
使用 MiniMax Vision API 识别 PDF/图片中的文字内容，支持中文和英文。
功能
- - PDF 转图片（使用 poppler）
- MiniMax Vision API 文字识别
- 输出 Markdown 格式
依赖
bash
安装 Node.js 依赖
cd minimax-pdf-ocr
npm install openai pdf2image
安装系统依赖
brew install poppler
使用方法
命令行
bash
设置 API Key
export MINIMAX
APIKEY=your-api-key
运行 OCR
node pdf-ocr-minimax.js
[输出目录]
示例
node pdf-ocr-minimax.js ./document.pdf ./output/
作为技能使用
在 JavaScript 代码中调用：
javascript
const { recognizePdf } = require(./pdf-ocr-minimax.js);
await recognizePdf(/path/to/document.pdf, ./output/);
环境变量
| 变量 | 说明 | 必填 |
|---|
| MINIMAXAPIKEY | MiniMax API Key（从 platform.minimaxi.com 获取） | 是 |
| OUTPUT_DIR |
输出目录 | 否（默认当前目录） |
输出
- - 识别结果保存为 .md 文件
- 包含所有页面的文字内容
- 保持原有格式和段落结构
示例输出
markdown
文档名称
第 1 页
这里是第一页的文字内容...
第 2 页
这里是第二页的文字内容...
注意事项
- - MiniMax M2.5 模型支持视觉理解
- 每页识别约消耗 100-500 次 token
- 建议批量处理时添加适当延迟避免限流
- API Key 获取：https://platform.minimaxi.com/user-center/basic-information/interface-key
