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
# 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
# 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：
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
# 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