MiniMax PDF OCR

使用 MiniMax Vision API 识别 PDF/图片中的文字

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

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_API_KEY="your-api-key"

# 运行 OCR
node pdf-ocr-minimax.js <pdf文件路径> [输出目录]

# 示例
node pdf-ocr-minimax.js ./document.pdf ./output/

作为 Skill 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
MINIMAX_API_KEY	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