~/fishtail

Fishtail

嗨，我是 Fishtail。
这里放我做的软件、小工具，还有开发时用到的技术和实现说明。
最近在做 OCRASR，用来识别图片、转写音频和提取文档。后面有新项目，也会放上来。

software / tools / blog

projects

项目

当前项目

把图片里的文字、音频里的语音和文档内容提取出来，统一整理成 Markdown。可以在浏览器里操作，也能通过 MCP 调用。

图片和语音识别通过腾讯云完成，文本类文档在本地解析。项目页里有各项功能的使用条件和实现说明。

Python · FastAPI · MCP项目说明

后续项目会继续补在这里。

这里写功能怎么做、接口怎么接、文件怎么处理。目前有三篇 OCRASR 草稿，分别讲本地与云端的分工、长音频任务和 PDF 文本提取。

架构设计草稿 / OCRASR

本地服务接收文件，腾讯云负责识别。这篇讲请求怎么发出去，结果怎么保存下来。

异步任务草稿 / OCRASR

从分块上传、提交任务到查询结果，再到清理 COS 临时对象，按处理流程拆开讲。

文档处理草稿 / OCRASR

文本 PDF 可以直接提取文字，扫描 PDF 需要先把页面转成图片，再用 OCR 识别。这篇讲两种文件怎么区分、分别怎么处理。

关于

我做软件和小工具。目前主要在开发 OCRASR，之后还会做其他项目。

项目页放功能和使用说明，Blog 写具体实现。标着“草稿”的文章还没定稿。