一款基于多模态大模型的智能截图OCR识别工具，支持快速截图并通过AI模型进行文字识别，结果以美观的悬浮窗形式展示。
- 突破传统OCR局限：采用先进的多模态大模型技术，而非传统的OCR算法
- 深度理解能力：不仅识别文字，更能理解图像中的语义和上下文关系
- 智能纠错：自动修正识别过程中的错误，提供更准确的结果
- 持续进化：随着模型更新不断提升识别能力
- Ollama全兼容：支持Ollama平台上的所有开源多模态大模型
- 模型自由选择：可根据需求切换不同的OCR模型
- 社区驱动：受益于开源社区的持续贡献和模型优化
- 成本优势：无需付费API，完全免费使用
- 数据隐私保护：所有处理完全在本地进行，敏感信息不会上传到云端
- 离线可用：无需网络连接，随时随地使用
- 响应迅速：本地处理避免网络延迟，实现毫秒级响应
- 稳定可靠：不受网络波动影响，确保服务稳定性
- LaTeX数学公式识别：精确识别复杂的数学公式和符号
- Markdown语法支持：智能识别和保留Markdown格式
- 论文笔记神器：完美适配学术研究和论文写作场景
- 多语言混合：支持中英文混合文本的精确识别
- 实时响应：优化的图像预处理和模型推理，实现秒级识别
- 智能缓存：模型预加载和智能缓存机制，减少等待时间
- 资源优化：高效的内存管理，不占用过多系统资源
- 处理时间显示：实时显示识别耗时，性能透明可见
- 快速截图：一键启动截图模式
- 精确选择：鼠标拖拽选择任意区域
- 白色虚线框：优雅的选择框设计，不干扰视觉
- 即时隐藏：截图完成后界面立即隐藏
- 本地AI模型：基于Ollama的benhaotang/Nanonets-OCR-s模型
- 高精度识别：支持中英文混合文本识别
- 无网络依赖：完全本地化处理，保护隐私
- 快速响应：优化的图像预处理，提升识别速度
- 悬浮窗设计：结果以悬浮窗形式展示，不干扰工作流
- 智能定位：悬浮窗自动定位在截图区域附近
- 圆形按钮：美观的图标按钮设计
- 一键复制：点击复制按钮或Ctrl+C快速复制结果
- 视觉反馈：复制成功时按钮变绿并显示✓图标
- 单文件发布：仅一个exe文件，无需安装
- 内存优化：高效的内存管理，不占用过多系统资源
- 快速启动：秒级启动，即用即走
- 无残留文件：不在本地保存截图文件
- 操作系统：Windows 10/11 (x64)
- 运行时：.NET 9.0 Runtime (已内置)
- AI服务：Ollama服务 + benhaotang/Nanonets-OCR-s模型
-
下载程序
下载 MarkdownOCR.exe 到任意目录 -
安装Ollama
# 访问 https://ollama.ai 下载并安装Ollama # 或使用包管理器安装
-
下载推荐OCR模型
# 推荐使用高精度OCR模型 ollama pull benhaotang/Nanonets-OCR-s:latest💡 模型推荐：我们强烈推荐使用
benhaotang/Nanonets-OCR-s:latest模型，该模型在中英文混合文本、数学公式和复杂排版方面表现优异。 -
启动Ollama服务
ollama serve
-
运行程序
双击 MarkdownOCR.exe 启动
- 启动程序：双击运行MarkdownOCR.exe
- 开始截图：程序启动后自动进入截图模式
- 选择区域：鼠标拖拽选择要识别的文字区域
- 查看结果：识别完成后悬浮窗自动显示结果
- 复制文本：点击📋按钮或按Ctrl+C复制识别结果
- 关闭程序：点击✕按钮或按ESC键退出
上图展示了MarkdownOCR的实际使用效果：智能识别图片中的文字内容，并以美观的悬浮窗形式展示识别结果
- 截图引擎 (
capture.cs)：负责屏幕截图和区域选择 - 图像处理 (
imageProcess.cs)：图像预处理和格式转换 - AI接口 (
ollama.cs)：与Ollama服务通信 - 用户界面 (
gui.cs)：悬浮窗和交互逻辑
- 框架：.NET 9.0 + Windows Forms
- 图像处理：System.Drawing
- AI模型：Ollama + benhaotang/Nanonets-OCR-s
- HTTP通信：HttpClient
- JSON处理：System.Text.Json
- ✅ 一键截图，无需复杂操作
- ✅ 白色虚线选择框，视觉友好
- ✅ 智能悬浮窗定位
- ✅ 圆形图标按钮设计
- ✅ 复制成功视觉反馈
- ✅ 键盘快捷键支持
- ✅ 单文件发布，即下即用
- ✅ 内存优化，轻量运行
- ✅ 本地AI处理，无网络延迟
- ✅ 图像预处理优化
- ✅ 不保存临时文件
- ✅ 完全本地化处理
- ✅ 不上传任何数据
- ✅ 不保存截图文件
- ✅ 无网络依赖
- .NET 9.0 SDK
- Windows 10/11 开发环境
- Visual Studio 2022 或 VS Code
# 开发版本
dotnet build
# 发布版本
dotnet publish -c Release -r win-x64 --self-contained true -p:PublishSingleFile=true- ✨ 正方形按钮设计，优化视觉体验
- ✨ 智能布局优化，防止按钮遮挡
- ✨ 处理时间显示，性能监控透明化
- ✨ 动态窗口尺寸调整，适配不同内容长度
- 🔧 优化代码结构，提升维护性
- 🔧 改进布局算法，确保所有控件完整显示
- 🔧 性能监控集成，实时显示识别耗时
- ✨ 首次发布
- ✨ 支持快速截图功能
- ✨ 集成Ollama OCR识别
- ✨ 现代化悬浮窗界面
- ✨ 圆形图标按钮设计
- ✨ 一键复制功能
- ✨ 轻量化单文件发布
欢迎提交Issue和Pull Request来改进这个项目！
本项目采用 MIT 许可证 - 查看 LICENSE 文件了解详情。
- Ollama - 提供本地AI模型服务
- benhaotang/Nanonets-OCR-s - 高质量OCR模型
- .NET - 强大的开发框架
MarkdownOCR - 让文字识别变得简单高效 🚀