openclaw-skills/skills/kb-ocr-processor/SKILL.md

KB OCR Processor Skill

kb-ocr-processor - Extract text from video frames using OCR.

Features

• 视频截帧: 直接从视频文件截取帧图片
• 批量处理: 支持处理帧目录
• 双引擎: EasyOCR / Tesseract
• 置信度评分: 每帧识别结果带置信度
• 文本合并: 自动合并所有帧的识别结果

Commands

# 方式1: 直接从视频截帧并OCR（推荐）
python ocr_processor.py --video ./video.flv --output ocr.json

# 方式2: 处理已截取的帧目录
python ocr_processor.py --input ./frames/ --output ocr.json

# 指定截帧帧率（默认1帧/秒）
python ocr_processor.py --video ./video.flv --fps 2 --output ocr.json

# 同时生成合并的文本文件
python ocr_processor.py --video ./video.flv --output ocr.json --merge

# 使用 Tesseract 引擎
python ocr_processor.py --input ./frames/ --engine tesseract --output ocr.json

Workflow 中的使用

# 步骤5: OCR处理（视频无字幕时）
python ocr_processor.py --video ${CONTENT_VIDEO_PATH} --output ${CONTENT_DIR}/ocr.json --merge

Output

{
  "success": true,
  "engine": "easyocr",
  "total_frames": 619,
  "results": [
    {
      "source": "0001.jpg",
      "text": "字幕文字",
      "confidence": 0.95
    }
  ]
}

Installation

cp -r kb-ocr-processor/ ~/skills/
pip install -r requirements.txt

# 依赖说明
# - easyocr: 主要OCR引擎（自动下载模型）
# - pytesseract: Tesseract引擎
# - ffmpeg: 视频截帧（apt install ffmpeg）