OCR Server 免費開源工具：把手機的文字辨識開放成區網 API

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

你的 iPhone 其實早就會辨識文字：照片裡指到字就能選取複製，捷徑 App 裡也有現成的萃取文字動作。這些都靠 Apple 的 Vision 架構在裝置端完成，不花流量、不按次計費。缺的從來不是辨識能力，是讓別台機器呼叫它的那一哩。OCR Server 補的就是這一哩：一個免費的開源 iOS App，把 iPhone 變成區域網路上的文字辨識端點，桌上的電腦一行 curl 就能把圖餵過去，拿回整頁文字加上每行字的座標。把語音或文件送去雲端辨識的服務我們介紹過不少，例如按分鐘計費的Any2Text；這個 App 走的是反方向：你的圖從頭到尾不離開手機。

先把這篇的判斷基礎講清楚：它是開源專案，我把 GitHub 上的 Swift 原始碼完整讀過一遍，對照 App Store 商店頁與開發者在 issue 裡的公開回覆。辨識速度與準確度這類要實際跑才知道的事，文中只引官方說法，值不值得留給你自己的圖來回答。

結論先講。它在官方文件裡承諾 100% 本地處理，這點在程式碼層站得住；但它同時是在手機裡開了一個沒上鎖的 HTTP 連接埠，同一個 Wi-Fi 裡的任何人都能用；而且鎖屏就斷線，背景模式明確不做了。把它當成一台很小的伺服器來部署，先設好網路前提，這筆交換才成立。

一支手機裡跑著完整的網頁伺服器

這不是相機 App 順便附帶上傳功能。翻開原始碼，HTTP 服務用的是 Vapor，一套原本拿來寫後端服務的 Swift 框架，被完整內嵌進手機。這個選擇有個演進痕跡：早期的 1.2 版用的是輕量級的 Swifter，1.3 版整個換成 Vapor，等於開發者中途把底層框架整個換掉。伺服器監聽所有網路介面，預設連接埠 8000，設定頁可以改成 1 到 65535 的任意值，v1.3.9 起輸入還會先驗證合法性，這正是倉庫唯一被合併的外部貢獻。

對外只有三條路由：瀏覽器打開就看到的上傳網頁、給程式呼叫的 upload（逐行辨識，回傳全文與座標），以及 docOCR（段落、表格與清單，限 iOS 26 以上）。有個貼心到近乎工程師風格的細節：那個上傳網頁本身就把 curl 指令直接印在畫面上，忘了參數也不用翻文件；iOS 26 以上還會多印一條 docOCR 的範例。引擎是 Apple Vision 的新 Swift 介面，預設走準確等級，開著語言校正與自動偵測語言，同樣建立在 Apple 的 Vision 架構上。表格與清單則走另一個 iOS 26 才有的文件辨識介面，直接輸出 Markdown 格式；原始碼裡還能看到它先抓表格與清單，再把落在這些區塊裡的段落排除掉，避免同一行字被輸出兩次。

開發者也真的按伺服器的標準對待它：服務行程掛掉會自動重啟，App 內建監控面板，CPU、記憶體、熱狀態、電池全都看得到，網路連線狀態也有即時顯示。上傳大小設了 100MB 上限，程式註解標明可以自行調整。這些細節湊起來的訊息很明白：它是一台恰好放在口袋裡的伺服器。設定面板同樣照伺服器的思路開參數：辨識等級可以在快速與準確之間切換，語言校正與自動偵測語言各有獨立開關，改完設定服務會重啟生效，行為全部攤在明面上。

Pin

不上傳這件事，可以打開原始碼對答案

官方文件寫 100% 本地處理，商店頁也標所有處理在本機完成，隱私標籤是「不收集資料」，後者為開發者自行填報。這類宣稱通常只能選擇相不相信，但因為它開源，你有第三個選項：直接驗。整份原始碼裡沒有任何檔案寫入，上傳的圖在記憶體裡跑完辨識就丟掉；沒有任何對外連線呼叫，僅有的外部網址是 App 內建的說明文件檢視器；也找不到分析、廣告或追蹤元件。整個 App 牽涉到錢的地方只有一個請喝咖啡的內購，走的是 Apple 帳單。宣稱與程式碼對得上，這在工具 App 裡算少見的乾淨。

文件面就沒這麼講究。商店頁連結的隱私政策是一個 GitHub Pages 頁面，全文只有一句話：We don’t store your data, period. 沒有寫誰負責、涵蓋哪些服務、出了事怎麼聯絡。想在裝置端完成辨識的路線，語音那邊也有對應的例子，像先前介紹過的本機語音轉 Markdown 工具；差別在於那些至少有正式文件，而這裡的承諾全寫在程式碼裡。對看得到原始碼的人，這反而更硬；對看不到的人，它是真空。

三條路由都沒上鎖，你的 Wi-Fi 就是它的城牆

原始碼裡的三條路由都沒有身分驗證，沒有 API key，也沒有 TLS，走明文 HTTP。實際意義是：連上同一個 Wi-Fi 的任何人，都能把你的手機當成免費 OCR 用，也都能送 100MB 的請求本體進去。手機端不會留下請求紀錄，誰在什麼時候送了什麼圖，事後無從查起。

為什麼這會改變你的決定。在家用網路，這通常是可以接受的取捨，區網本來就是信任邊界，官方文件也只叫你在同一個網路裡存取；不裝鎖對單人開發的區網工具來說也是常見選擇，加了身分驗證反而會擋到最主要的使用場景，這點算是合理推論。換到辦公室、宿舍或咖啡廳的共用網路，性質就變了：你等於對整個網段開放一個吃記憶體的端點，而且沒有用量上限擋在前面。要真正隔離，得靠路由器的訪客網路或 VLAN，把辨識手機關進一個連不到你其他設備的網段；App 本身沒有提供任何鎖，改連接埠只是換個門牌，擋不住會掃 port 的人。

明文 HTTP 還有另一層：同網段的監聽設備理論上看得到你送出的圖片內容。家用場景裡這個風險很小，但如果你打算辨識的是合約、就診紀錄這類文件，先把網路層前提想清楚，再按下上傳。

鎖屏就斷線，背景模式明確不做了

官方文件給的長時間運行方案很老實：開啟引導式存取（Guided Access）把整支手機鎖在這個 App 裡，並保持螢幕亮著。2026 年 7 月有人在 GitHub issue 回報鎖屏後服務中斷，開發者的回覆相當直接：此 App 並不打算加入背景模式，要背景執行可以考慮裝在 Mac 上，或改用同一開發者的 macocr。

這是 iOS 對背景常駐伺服器的平台限制，加上開發者自己的設計決定，短期內不會變。引導式存取本來是為了協助需求設計的功能，拿來顧伺服器等於把手機變成單用途設備，觸控停用、自動鎖屏一併關掉。代價要算清楚：螢幕常開代表持續耗電與發熱，實際幅度我沒有量測，不給數字，但拿舊手機當全天候設備的人，供電與擺放位置都要先想好。

出路官方已經畫好了。這個 App 在 macOS 15.4 以上、Apple 晶片的 Mac 也能安裝，要長時間跑，Mac 才是正確載體；偏好命令列的人，同一位開發者的 macocr 是 macOS 13 以上可用的終端機版本，倉庫描述同樣強調走 Vision 架構。想讓 iPhone 承擔 24 小時服務的人，這條路在設計上就不通。

免費、單人維護，先被寫程式的人看見

商店版本 1.3.9，發布於 2026 年 5 月底，與 GitHub 最新發布同版，沒有漂移。免費、無廣告、無訂閱，唯一的內購是一次 4.99 美元的請喝咖啡，所有功能不付錢都能用。最低系統 iOS 18.4，下載大小約 20.4MB。App 介面與說明文件都做了多語系，繁中、簡中、日文、韓文、法文齊備，README 也有六種語言版本，對一個單人專案來說誠意突出。

採用面的落差很有意思。GitHub 上累積了上千顆星與上百次 fork；App Store 台灣區 5 則評分平均滿分，美國區與日本區則掛零。它是一個先被寫程式的人看見的工具。倉庫 2025 年 8 月初開張，同月中旬就上了 App Store，跑了一年多、十四個版本，從最初的上傳辨識長到今天的座標與文件模式。開發者帳號 riddleling 佔了 124 個提交；期間有人提交了兩個接上 MCP 協定、讓 AI 代理直接呼叫的 PR，都被關掉沒有合併，方向要不要往代理生態靠，作者顯然有自己的節奏。GitHub 上的名字是 Wei-Cheng Ling，issue 裡用繁體中文回覆使用者。

功能是照著使用者的要求長出來的。倉庫第一個 issue 就是要文字方塊座標，後來 JSON 回應裡就有了；接著有人追問旋轉角度資訊，四角座標也補上了；2026 年 5 月中有人回報段落與換行辨識不佳，同一個月就加入文件辨識模式並隨版發布。回應速度快是單人維護的優點，作者一旦停下來就是它的風險。

三分鐘試出它值不值得留

它適合的工作形狀：寫腳本把截圖批次轉成文字、團隊在區網共用一個辨識端點、手上剛好有閒置的 iPhone。如果你的來源是 PDF，先確認文件本身有沒有文字層，我們介紹過的firecrawl pdf-inspector就是在做這件事的判別；要把辨識出來的文字縫回 PDF，Nano PDF是另一端的例子。官方文件還提過用多支手機組成辨識叢集的玩法，吞吐量官方沒有給數字，我沒有實測。

官方流程很短：App Store 裝完打開，伺服器自動啟動，畫面會顯示手機在區網裡的 IP，還附一個重新整理 IP 的按鈕，換了網路環境不用重開 App。同一個 Wi-Fi 的電腦用瀏覽器打開那個地址，就有現成的上傳網頁，選圖送出，官方稱幾秒內回傳結果。要接進自己的程式，官方文件給的例子一行就通：

Pin

curl -H "Accept: application/json" -X POST http://手機IP:8000/upload -F "file=@圖片檔.png"

偏好 Python 的話，README 也附了用 requests 上傳的完整範例，連回應怎麼解析都寫好了。回傳的 JSON 欄位名稱很直白：ocr_result 是整頁合併後的文字，ocr_boxes 是陣列，每個元素帶自己的文字內容與座標，image_width 和 image_height 標明圖片尺寸，單位是像素。座標不只給了外接矩形，還給了四個角的原始位置，圖片有旋轉或傾斜時角度資訊不會丟，要做版面分析或把文字貼回原位置都夠用。

Pin

驗收的方式：拿你自己最常見的那種圖先試一張，發票、螢幕截圖、文件照片都行。換行與欄位有沒有對、速度順不順，一張圖就會給答案；要看表格結構，先確認手機已經升到 iOS 26，否則 docOCR 端點會明確回你一句不支援，這個拒絕訊息寫得很清楚，不會讓人猜。看到結果欄位亂掉，後面的功夫就全省了。

判斷很簡單。值得裝的形狀：你要在區網內做文字辨識、不想管雲端服務的金鑰與計費、手上有多餘的 iPhone 且能接受它插著電亮著螢幕。不屬於你的形狀：服務要對外開放、需要加密與身分驗證、要無人值守的穩定輸出，這三種需求該去 Mac、自架服務或雲端找答案。

授權與專案現況

採 MIT 授權，原始碼完整公開，有 Apple 開發環境的人可以自己編譯安裝。專案現況（截至 2026 年 8 月）：GitHub 上 1,821 顆星、162 次 fork，App Store 版本 1.3.9，倉庫最後提交 2026 年 6 月初，單人維護。相關資源：、。