5分钟把图片变成可编辑文本Claude 图像文字转录完整指南【免费下载链接】claude-cookbooksA collection of notebooks/recipes showcasing some fun and effective ways of using Claude.项目地址: https://gitcode.com/GitHub_Trending/an/claude-cookbooks整理一堆扫描文档和表单时最磨人的就是把字一个一个敲出来。传统 OCR 工具遇到手写体、复杂版式常常失效而 claude-cookbooks 项目里的一份多模态示例multimodal/how_to_transcribe_text.ipynb让你用 Claude 直接看图并转录成文本指定要什么它就给你什么连代码截图和手写表单都能处理。 一份配方四件你能转录的事这个项目是 Claude 能力集成的官方示例库转录这份配方专门解决一个问题图片里的文字怎么变成你能用的文本。新手照着 3 段代码就能跑通亮点包括打字文本、代码截图只转你要的那部分手写笔记、白板、课堂笔记都认得打印与手写混合的表单照实转录一句话把图表转成 JSON 结构三步走从装依赖到第一次转录第 1 步准备环境。先克隆仓库git clone https://gitcode.com/GitHub_Trending/an/claude-cookbooks然后把ANTHROPIC_API_KEY设为环境变量Anthropic()客户端会自动读取。第 2 步最小可运行示例。整个转录只需一个客户端加一个把图片转 base64 的函数%pip install anthropic IPython import base64 from anthropic import Anthropic client Anthropic() MODEL_NAME claude-opus-4-1 def get_base64_encoded_image(image_path): with open(image_path, rb) as image_file: return base64.b64encode(image_file.read()).decode(utf-8)第 3 步一次真实调用。这里用仓库自带的组织架构图org_chart.jpeg做实验不转录全图直接要一份谁向谁汇报的 JSON方便你核对返回效果。完整输出和另外几个例子都在 multimodal/how_to_transcribe_text.ipynb 里response client.messages.create( modelMODEL_NAME, max_tokens2048, messages[{role: user, content: [ {type: image, source: {type: base64, media_type: image/jpeg, data: get_base64_encoded_image(../images/transcribe/org_chart.jpeg)}}, {type: text, text: Turn this org chart into JSON. Only output the JSON.}, ]}], ) print(response.content[0].text)✍️ 三个进阶玩法手写、表单、直接问文档手写比打印难让 Claude 认。手写体是转录的硬骨头但示例里的课堂笔记 school_notes.png 里连缩进、编号和箭头逻辑都保留了。收益会议白板、课堂笔记不用再手动重打。提示词保持极简即可Transcribe this text. Only output the text and nothing else.打印加手写混排照实转录。保险单、事故报告这类表单两种字混在一起vehicle_form.jpg 就是一个真实样本。收益勾选框、日期、手写栏位都按原样输出入库前少一步人工校对。提示词只需一句Transcribe this form exactly.跳过转录直接问文档。仓库还有一页扫描文档page.jpeg提示词Which is the most critical issue for live rep support?直接问问题Claude 回答产品质量/责任问题是关键项连全文转录都不用。收益文档问答比先转录再处理快一半。⚠️ 转录时三个常见坑media_type 写错它必须和真实文件格式一致.png配image/png.jpeg配image/jpeg写反了 API 会直接报错。忘了配 API keyAnthropic()默认读环境变量ANTHROPIC_API_KEY没配置会在调用时报认证错误先export再跑。输出被截断转录长文档会受max_tokens限制示例用 2048整页转录时记得调大。从转录到文档问答下一步入口这份配方的价值在于传统 OCR 逐字识别Claude 逐句理解还能顺手回答文档问题。想继续深入视觉能力接着跑官方入门示例 multimodal/getting_started_with_vision.ipynb 就行。你手头如果有特别难转录的文档评论区贴一张样本我帮你看提示词怎么改。【免费下载链接】claude-cookbooksA collection of notebooks/recipes showcasing some fun and effective ways of using Claude.项目地址: https://gitcode.com/GitHub_Trending/an/claude-cookbooks创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
5分钟把图片变成可编辑文本Claude 图像文字转录完整指南【免费下载链接】claude-cookbooksA collection of notebooks/recipes showcasing some fun and effective ways of using Claude.项目地址: https://gitcode.com/GitHub_Trending/an/claude-cookbooks整理一堆扫描文档和表单时最磨人的就是把字一个一个敲出来。传统 OCR 工具遇到手写体、复杂版式常常失效而 claude-cookbooks 项目里的一份多模态示例multimodal/how_to_transcribe_text.ipynb让你用 Claude 直接看图并转录成文本指定要什么它就给你什么连代码截图和手写表单都能处理。 一份配方四件你能转录的事这个项目是 Claude 能力集成的官方示例库转录这份配方专门解决一个问题图片里的文字怎么变成你能用的文本。新手照着 3 段代码就能跑通亮点包括打字文本、代码截图只转你要的那部分手写笔记、白板、课堂笔记都认得打印与手写混合的表单照实转录一句话把图表转成 JSON 结构三步走从装依赖到第一次转录第 1 步准备环境。先克隆仓库git clone https://gitcode.com/GitHub_Trending/an/claude-cookbooks然后把ANTHROPIC_API_KEY设为环境变量Anthropic()客户端会自动读取。第 2 步最小可运行示例。整个转录只需一个客户端加一个把图片转 base64 的函数%pip install anthropic IPython import base64 from anthropic import Anthropic client Anthropic() MODEL_NAME claude-opus-4-1 def get_base64_encoded_image(image_path): with open(image_path, rb) as image_file: return base64.b64encode(image_file.read()).decode(utf-8)第 3 步一次真实调用。这里用仓库自带的组织架构图org_chart.jpeg做实验不转录全图直接要一份谁向谁汇报的 JSON方便你核对返回效果。完整输出和另外几个例子都在 multimodal/how_to_transcribe_text.ipynb 里response client.messages.create( modelMODEL_NAME, max_tokens2048, messages[{role: user, content: [ {type: image, source: {type: base64, media_type: image/jpeg, data: get_base64_encoded_image(../images/transcribe/org_chart.jpeg)}}, {type: text, text: Turn this org chart into JSON. Only output the JSON.}, ]}], ) print(response.content[0].text)✍️ 三个进阶玩法手写、表单、直接问文档手写比打印难让 Claude 认。手写体是转录的硬骨头但示例里的课堂笔记 school_notes.png 里连缩进、编号和箭头逻辑都保留了。收益会议白板、课堂笔记不用再手动重打。提示词保持极简即可Transcribe this text. Only output the text and nothing else.打印加手写混排照实转录。保险单、事故报告这类表单两种字混在一起vehicle_form.jpg 就是一个真实样本。收益勾选框、日期、手写栏位都按原样输出入库前少一步人工校对。提示词只需一句Transcribe this form exactly.跳过转录直接问文档。仓库还有一页扫描文档page.jpeg提示词Which is the most critical issue for live rep support?直接问问题Claude 回答产品质量/责任问题是关键项连全文转录都不用。收益文档问答比先转录再处理快一半。⚠️ 转录时三个常见坑media_type 写错它必须和真实文件格式一致.png配image/png.jpeg配image/jpeg写反了 API 会直接报错。忘了配 API keyAnthropic()默认读环境变量ANTHROPIC_API_KEY没配置会在调用时报认证错误先export再跑。输出被截断转录长文档会受max_tokens限制示例用 2048整页转录时记得调大。从转录到文档问答下一步入口这份配方的价值在于传统 OCR 逐字识别Claude 逐句理解还能顺手回答文档问题。想继续深入视觉能力接着跑官方入门示例 multimodal/getting_started_with_vision.ipynb 就行。你手头如果有特别难转录的文档评论区贴一张样本我帮你看提示词怎么改。【免费下载链接】claude-cookbooksA collection of notebooks/recipes showcasing some fun and effective ways of using Claude.项目地址: https://gitcode.com/GitHub_Trending/an/claude-cookbooks创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
