截图取字：图上的字，选中就能复制
截图里的字不能选、不能搜、不能复制，是这类工具最常见的一处别扭。快咔把识别结果按行盖回原来的位置，你像在网页上一样拖选就能复制；不想要图只想要文字的时候，还有一条更直接的路。模型跑在你自己的电脑上，全程零联网、零上传。
最后更新 2026-09-06
两种取字方式，对应两种不同的需求
第一种是先截图、再取字。选区确定后按 Ctrl+T，识别结果会按行盖回原来的位置——每一行文字都落在它在画面里本来的坐标上，你可以像选网页一样拖选，Ctrl+C 复制。再按一次 Ctrl+T 把文字层收起来，回到普通的标注状态。适合「这张图我还要标注、还要保存，顺手把里面某一段抄走」。
第二种是直接要文字，不要图。按 Ctrl+Shift+T 进入转文字模式，框完选区就自动识别，文字直接进剪贴板，整个过程不出图、不落盘。适合「网页上的一段不可复制的文字」「报错弹窗里的一串路径」「别人发来的图片里的一段地址」这类一次性场景。
两条路走的是同一套识别，区别只在于结果去哪儿。多数人用熟之后会固定用后者，因为它少两步。
模型跑在你自己电脑上，一个字节都不上传
识别用的是本地的 PP-OCRv5 mobile 模型：检测 4.5MB、识别 15.8MB，加上一份字典，三个文件随安装包一起发，不需要联网下载。推理跑在 onnxruntime-web 的 wasm 上，所以整条链路里没有原生模块，也没有任何一次对外的网络请求。
这不是一句承诺，是可以自己核对的：客户端、原生插件、连这个官网都在同一个仓库里，你可以看它到底截了什么、存到哪、有没有往外发；不信任别人打的包就自己 clone 编译一份。截图软件能看见你的整个屏幕，这件事唯一诚实的回应方式就是把代码摊开。
一个设计上的取舍值得说明：模型文件缺一不可，缺了「提取文字」按钮整个不出现，而不是让你点下去再报错。宁可少一个按钮，也不给一个按了没反应的按钮。
为什么不用 Windows 自带的 OCR
试过，而且是量过之后排除的，不是凭印象。三条路线的实测结果：
- Windows 自带的 Windows.Media.Ocr：27 毫秒，快得没话说，但中文不可用——「卸载 快咔」识别成「向 卸 载 快 咔」，「ChatGPT」识别成「令 C ChatG」。直接排除。
- OvisOCR2-0.9B 一类的大模型：精度好，能出表格和公式，但要额外下载 0.8 到 1.9GB 的运行时和模型；更关键的是它是页面级文档解析器，不给逐行坐标，做不了「盖回原位可选中」这个交互。
- PP-OCRv5 mobile：冷启动 1.6 秒（含模型加载），热态约 470 毫秒，合成图逐行完全一致 5/5。综合精度、体积和坐标能力，是这三条里唯一同时满足的。
识别层留了 provider 接缝：以后要接页面级文档解析（表格转 HTML、公式转 LaTeX 这类 PP-OCR 给不了的能力），在识别入口分叉即可，工具条、文字层、快捷键都不用动。
识别不理想的时候，先看这几点
- 字太小：识别的输入就是屏幕上的那些像素。系统缩放低、字号小的时候，先把目标放大再截，比反复重试有效得多。
- 显示器休眠或处在锁屏、UAC 这类安全桌面时，抓屏拿回来的是全黑画面，识别自然是 0 行。这时候问题不在识别，在抓屏。
- 艺术字、竖排、严重倾斜的文字超出了 mobile 档模型的舒适区。这是模型体量换来的启动速度和包体积，是明确的取舍。
- 识别是一次性的：文字层不会被保存进 PNG，也不会跟着钉图窗口走。要留文字就复制走。
取字相关的按键
| 按键 / 入口 | 作用 |
|---|---|
| Ctrl+Shift+A | 区域截图，先出图再决定要不要取字 |
| Ctrl+T | 提取文字：识别结果按行盖回原位，可拖选；再按一次收起 |
| Ctrl+C | 复制拖选中的文字 |
| Ctrl+Shift+T | 截图转文字：框完直接识别，文字进剪贴板，不出图 |
| Esc | 退出当前模式 |
常见问题
- 截图取字要不要联网？会不会传到云端？
- 不联网，也不上传。模型随安装包发布、在你本机推理，没有账号、没有云端、没有埋点统计。
- 识别一次要多久？
- 第一次约 1.6 秒（要加载模型），之后热态约 470 毫秒。推理窗口空闲 5 分钟自动销毁，下次再用会重新经历一次冷启动。
- 识别出来的文字能保留原来的排版吗？
- 按行保留位置。文字是盖在原来的坐标上的，所以拖选的顺序和你在画面上看到的一致；但它不做表格结构还原和公式转换。
- 能识别英文和数字吗？
- 能。PP-OCRv5 是中英混排模型，中文、英文、数字在同一次识别里出结果。