基于Gemini的高精度OCR识别

一个基于 Google Gemini 2.0的高精度 OCR 文字识别应用，支持多国语言和手写字体识别。

功能特点

• 🚀 高精度文字识别
• 🌍 支持多国语言识别
• ✍️ 支持手写字体识别
• 🎨 优雅的渐变动画效果
• 📱 响应式设计，支持移动端
• 🖼️ 多种图片输入方式：
  • 文件上传
  • 拖拽上传
  • 粘贴板上传
  • 图片链接上传

演示网站

https://ocr.howen.ink/

部署说明

本项目使用 Vercel 进行部署。在部署时需要设置以下环境变量： GEMINI_API_KEY

Gemini API 密钥获取

1. 访问 Google AI Studio (https://aistudio.google.com/)
2. 点击左上角的 "Get API key" 按钮
3. 按照提示完成 API key 的创建

注意事项:

• 需要使用非香港、澳门、大陆地区的网络环境访问

本地开发

环境要求

• Node.js 16.x 或更高版本
• npm 或 yarn

安装步骤

1. 克隆项目

git clone https://github.com/cokice/googleocr-app.git
cd ocr-app

2. 安装依赖

npm install
# 或
yarn install

3. 配置环境变量 创建 .env.local 文件并添加以下配置：

REACT_APP_GEMINI_API_KEY=your_api_key_here

4. 启动开发服务器

npm start
# 或
yarn start

访问 http://localhost:3000 即可看到应用。

技术栈

• React.js
• Google Gemini Vision API
• CSS3 动画
• React Markdown
• Vercel 部署

主要功能

图片上传

• 支持拖拽上传
• 支持粘贴上传（包括截图和图片文件）
• 支持图片链接上传
• 支持多图片批量上传

文字识别

• 实时流式输出
• 优雅的渐变动画效果
• 支持多国语言
• 支持手写体识别
• 自动优化排版格式

结果展示

• 支持 Markdown 格式
• 一键复制识别结果
• 图片预览功能
• 多图片导航切换

注意事项

• 请确保您的 Google Gemini API 密钥有足够的配额
• 图片链接需要允许跨域访问
• 建议上传清晰的图片以获得最佳识别效果
• 数学公式应有清晰的结构

贡献

欢迎提交 Issue 和 Pull Request。

许可证

MIT License