Firecrawl 开源浏览器 OCR 插件，20ms 把 PDF 转成 Markdown

Y Combinator 孵化的明星项目 Firecrawl 团队近日开源了一款浏览器 OCR 插件 OCR It，主打把不可复制的 PDF 文件在 20 毫秒内转成结构清晰的 Markdown，方便直接喂给大模型做总结或问答。联合创始人兼 CTO Nicolas Camara 在 X 上宣布了这一消息，项目刚上线便登上 GitHub Trending。

处理速度与定位

据介绍，OCR It 在与 IBM 开源文档解析工具 Docling 处理质量相当的前提下，速度比后者快了近 300 倍。插件内置 Tesseract OCR 引擎，无需联网、不需要 API Key，安装时也不主动申请任何网站权限，仅在自动模式或跨域 iframe 场景下才按需申请当前站点权限。这意味着用户可以在本地完成识别，避免文档内容上传第三方服务。

从定位上看，OCR It 解决的是一个长期痛点：很多学术 PDF、扫描件和老旧报告无法直接复制文本，文字提取后还存在乱码、版式错乱等问题，导致 LLM 读取困难。Firecrawl 团队给出的方案是把 OCR 流程嵌入浏览器，配合快捷键实现半自动化的批量识别。

使用方式

OCR It 目前支持 Chrome 和 Firefox，提供手动与自动两种模式。核心操作逻辑是「框选区域 + 快捷键触发」，主要快捷键如下（Windows 与 Linux 用户需将 Option 替换为 Alt）：

• 框选区域：按下 Option + Shift + R，拖选需要识别的文字区域，按 Enter 保存。
• 手动翻页识别：每翻一页按一次 Option + Shift + S，插件自动截图并排队执行 OCR。
• 自动模式：按下 Option + Shift + A 或点击 Start auto-run，自动循环执行「截图 — OCR — 翻页」，按 ESC 可中止。
• 结束与导出：插件默认在连续识别到两张相同页面、无法翻页、OCR 失败或达到 300 页上限时自动停止。完成后可在面板中检查修改，使用「Copy all」或「Download .txt」导出全文。

值得注意的是，浏览器内置 PDF 阅读器目前还不支持自动翻页，因此处理 PDF 时建议使用手动模式。

当前局限

多位早期用户在 X 上反馈，OCR It 在版式简单、文字清晰的 PDF 上表现稳定，但在以下复杂场景中仍力不从心：

• 多栏排版的正文段落识别顺序容易错乱。
• 标题、脚注、表格、数学公式与正文混排时，结构化输出质量明显下降。
• 自动翻页在某些阅读器中失效，需手动配合。

适用场景与展望

综合来看，OCR It 更适合作为「快速把可读 PDF 转成可喂给 LLM 的纯文本」的轻量工具，对于需要高精度版面还原（如学术论文、财报、扫描书籍）的场景，仍需等待团队后续更新，或搭配 Docling 等专业解析工具使用。项目已在 GitHub 开源，感兴趣的用户可自行下载体验。