光學字元辨識 (OCR) 把圖片或截圖中的文字自動辨識成可編輯的純文字，方便後續搜尋，引用或丟給其他模組做摘要，翻譯等加工。使用方式很簡單，把照片，掃描文件，截圖或螢幕翻拍上傳，AI 會掃出畫面內的所有文字並依版面順序輸出。常見應用情境：紙本發票或收據數位化方便對帳，手寫筆記轉成可搜尋的文字檔，書籍或論文的特定段落擷取後丟給 paper 或 summary 模組分析，會議白板照片轉成可編輯的會議記錄初稿，程式碼截圖或錯誤訊息照片貼進 programming 模組做除錯。中英混合，繁體簡體，部分日文也能辨識，但對於極潦草手寫或低解析度圖片辨識率會下降，建議先用手機提升解析度或調整光線再上傳。輸出可直接複製，配合 sc2tc / tc2sc 處理簡繁轉換，或直接接續 translate_to_english / translate_to_tc 做翻譯，一條龍完成。 輸入加輸出 token 上限：約 1,000,000 tokens。 輸出 token 上限：約 64,000 tokens（如有推理／思考過程，一併計入此上限）。 單次上傳總大小上限：256MB（全部檔案與訊息內容合計）。 可接受文件格式：pdf、docx、xlsx、pptx、txt、csv（文件內容以文字擷取後提供給模型）。 可接受圖片格式：gif、jpeg、jpg、png、webp。 GIF 動畫僅分析第一幀。 圖片數量上限：600 張。 一次上傳超過 20 張時，單張圖片每邊最多 2,000 像素。 單張圖片檔案大小上限：10MB（以 base64 編碼後大小計）。 單次訊息圖片總大小上限：20MB（文字與對話歷史共用同一請求容量，接近上限時仍可能被 AI 服務拒絕）。 圖片尺寸：每邊 200～8,000 像素。 輸出內容格式：文字 不支援連續對話。