手册 · 04 — OCR · Recognition

OCR 文字识别

截图不只是为了画。VAS 在你的 Mac 本机读出画面里的字、遮掉不该外流的信息、扫出 QR Code 背后的意图——三件事,都不上云。

文字识别(剪贴板 · ⌘V)

拖拽选取编辑器中画面上的一块区域,VAS 以 macOS 的 Vision 引擎在本机识别其中的文字,语言自动检测。

识别出的文字默认直接进剪贴板——截完图,到任何地方按 ⌘V 就粘贴,不用手抄一行 log、一段错误消息。

  • on-device——不上传、不经服务器。你的截图与识别结果,只在你的 Mac 上。
screenshot.png
$ npm run build
Error: Cannot find module 'react-dom'
 at Function.Module._resolveFilename
OCR
识别 →
剪贴板
Error: Cannot find module 'react-dom'
⌘V 直接粘贴,不用手抄

自动隐私遮蔽特化(on-device · 各国格式)

OCR 读得懂字,就读得出「哪些字是隐私」。VAS 会自动检测并标记敏感信息,并针对支持的语言市场做本地特化——中文(大陆)会识别身份证号(18 位)、手机号、统一社会信用代码、银行卡号、电话、Email、IPv4/IPv6、API Token,以及密码、联系人、负责人等标签字段。

全版本Electron 使用 Vision Framework;
Tauri 专属另支持五层检测,涵盖更多在地格式。

设计决策 · 不假装完美,把控制权留给你

开发时我们发现 OCR 有先天极限——偶尔漏抓或抓错。我们没有硬 push「工具必须完美」,而是换一个设计:

  • 把隐私遮蔽的马赛克做成浮动图层、范围可调——OCR 没盖到的,你手动一拉补上。识别失误从「错误」变成「待确认」,工具的不完美无损你的控制权。
  • OCR 自动完成约 90%;你轻轻一拉手动马赛克,就补完本来 100% 都得手动的活。
  • 遮错也没关系——马赛克是独立的浮动对象,Delete 一键删除。没有任何结果是不可逆的。
个人数据表
姓名:张伟
身份证号:110105 19900307 4518
出生日期:1990/03/07
手机号:138 0013 8000
Email:zhangwei@example.com
地址:北京市朝阳区建国路 100 号 5 层
银行卡:6222 0212 3456 7890
⇧K
一键遮蔽 →
个人数据表
姓名:张伟
身份证号:110105 19900307 4518
出生日期:1990/03/07
手机号:138 0013 8000
Email:zhangwei@example.com
地址:北京市朝阳区建国路 100 号
银行卡:6222 0212 3456 7890

⇧K 一键隐私遮蔽——OCR 自动检测敏感字段并盖上马赛克;每块马赛克都是浮动图层——像图中身份证那块被选取时,可以拖移、改变大小或删除。OCR 没抓到的,手动补一块就好。

OCR 自动尽可能识别,自动标记敏感区域
马赛克补位OCR 不足的地方,用户手动接手
UNDO遮错了?一键删除,没有不可逆的决定

只遮这一块:先框一个范围,再按 ⇧K

整张扫有一个代价:画面上所有被认定为敏感的字都会被盖住,包括你本来想留着的那些。所以 ⇧ K 还有第二种用法:画布上有选中的标注时,它只扫那个标注的范围。

  • 按 ⇧ R 切到矩形框,在想处理的区域拉一颗——画完它本来就是选中状态(四角有手柄),紧接着按 ⇧ K:框内的敏感字被遮,框外不动。
  • 不限矩形——任何选中的标注都算,扫的范围就是它的外接矩形(太小的不算)。造型最直观的是矩形框,因为你看到的框就是扫的范围。
  • 没有选中任何对象时按 ⇧ K,就是上面那种整张扫。两种用法同一颗键,差别只在「有没有东西被选中」。
  • 要自己框、又不想留下那颗矩形?点工具栏的「隐私遮蔽」按钮——那条路是拖框即扫,不经过标注对象。

遮出来的还是浮动马赛克图层,所以前面那三件事一样成立:可拖、可改大小、Delete 可删。

QR Code 扫描(依画面占比决定行为)

扫 QR Code 表面上只有「扫到/没扫到」两种结果。但 VAS 不这样看——它看的是你的意图,再据此决定下一步。

当你想精准检测,自然会把 QR Code 完整、且尽量只框住它——这个动作本身就是意图的声明。框得越满,识别越准、信心度越高,工具越敢直接行动。也因为意图在框选当下就明确,QR 检测直接在工具栏的矩形截图触发,不必进编辑器。

工具不在自己不确定时假装确定

QR CODE 占框选面积对应行为逻辑
> 70%高信心 · 直接行动直接打开网页或链接,不打扰用户
21–69%中信心 · 主动询问打开编辑器后轻声问你:「这是你要的链接吗?」
≤ 20%低信心 · 静默交手不猜测、不行动,直接把编辑器打开给你接续接下来的行动
> 70%高信心 · 直接行动
21–69%中信心 · 主动询问
≤ 20%低信心 · 静默交手
框得越满,工具越敢直接行动;框得越空,它越倾向把决定交还给你。每一个阈值背后,都是「我知道自己知道多少」的诚实。