【图片公式识别】图片公式转Word与LaTeX文档:智能识别与转换

简介: 【图片公式识别】图片公式转Word与LaTeX文档:智能识别与转换

image.gif

前言

嘿,大家好呀!👋 谁都知道,写 Word 文档里的公式可不是一件简单的事情!你辛辛苦苦在键盘上敲出的数学公式,结果随着 Word 版本的更新,竟然变成了一张图片!😤 这简直就是让人抓狂!

还有一种情况更加糟糕,你想把 Word 里的那些华丽公式复制粘贴到其他文件里,结果发现完全不兼容!这时候,你就只能心灵手巧地一个个重新敲公式了!😩

别着急,我今天给你介绍的产品,简直就是你的救星!它就是——《公式识别器》!对的,你没听错,就是公式识别器!🚀

它的功能很简单,但却超级实用!就是把你图片里的公式,毫不客气地变成你想要的公式代码!比如说,你想要 Word 格式的公式,或者是 LaTeX 格式的,它都能搞定!😎

不再为公式问题而烦恼!别再手动敲公式了!让《公式识别器》来帮你,让你的生活更加简单、更加愉快!✨🎉




🌼
一、Quicker的安装

资源获取:关注公众号【科创视野】回复 quicker

安装可以选择默认安装【一直下一步】,如果自己的磁盘空间不够根据自己的需要安装即可。

安装完成后按下win可以查看 Quicker 的安装logo。

显示如此则说明安装成功!!!


🌼二、公式识别

前提条件

使用本动作需要提前安装WebView2,安装方法见下图

打开Quicker,面板如图所示

公式识别功能最初是没有的,需要手动添加。


☀️2.1 公式识别的安装

打开quicker工具【鼠标中键为快捷打开方式】

前往链接:公式识别3 - by Cesar - 动作信息 - Quicker (getquicker.net)

点击红色框部分

打开quicker,右击空白处

在弹窗中点击安装即可。

出现公式识别3则说明安装成功!!!


☀️2.2 公式识别的使用

随便找到一个带有公式的图片,这里我提供了一个带有公式的图片:

打开quicker->公式识别3,对这里我提供的公式部分进行截取,截取成功会显示如下内容:

可以根据自己的需要复制latex格式的公式或者word格式的公式,也可以预览公式:

如果公式有问题可以自行微改下,或者放大图片以增加识别精度。


☀️2.3 公式识别的配置

可以右击公式识别打开全局配置:

建议选择我勾选的部分,其他部分根据需要使用。

引擎介绍:

  • ★★★★ Mathpix:latexlive,一天免费30次
  • ★★★★ Mathpix:Quicker内置,需要消耗Q豆,折合每次0.03元,什么是Q豆?
  • ★★★ Mathpix:官方,平均每次0.15元
  • ★★★ 100tal:仅适用于中文公式混合识别【免费】
  • ★★★ 100tal:仅识别公式,但比混识准确度高【免费】
  • ★★ Bing:仅识别公式【免费】
  • ★ 百度:凑个热闹【免费】

多样输出:

  • PNG图片格式
  • Mathml格式
  • LaTeX格式

灵活配置:

  • 支持截图后默认操作
  • 支持选择截图方式
  • 支持多个引擎

🌼三、LaTeX公式转换

打开Quicker,面板如图所示

LaTeX公式转换功能最初是没有的,需要手动添加。

注意:

通常情况下,你是用不到这个动作的,如果你想把公式粘贴到Word中,只需要在识别完成后点击【复制Word格式】,然后粘贴到Word中即可。

【LaTeX公式转换】仅适用于您的公式中存在中文(正文)和公式混合在一起的情况。

使用方法

本动作主要配合公式识别动作使用

PS:仅支持 Microsoft Office 2016 及以上版本,不支持 WPS


☀️3.1 LaTeX公式转换的安装

打开quicker工具【鼠标中键为快捷打开方式】

前往链接:LaTeX公式转换 - by Cesar - 动作信息 - Quicker (getquicker.net)

点击红色框部分

打开quicker,右击空白处

在弹窗中点击安装即可。

出现LaTeX公式转换则说明安装成功!!!


☀️3.2 LaTeX公式转换的使用

随便找到一个带有公式+文字的图片,这里我提供了一个带有公式+文字的图片:

备注:「公式识别」识别引擎需要在右键菜单中换成Mathpix或者100tal:仅适用于中文公式混合识别【免费】

 

打开quicker->公式识别3,对这里我提供的公式部分进行截取,截取成功会显示如下内容->预览公式

粘贴刚才的文本,显示内容如下:

后续自己微调即可,成功!!!


目录
相关文章
|
4月前
|
人工智能 自然语言处理 机器人
保姆级教学:OpenClaw(Clawdbot)阿里云及本地部署接入伟达免费API全指南
在AI工具使用中,Token消耗过高始终是用户的核心痛点,而2026年英伟达推出的免费API彻底解决了这一问题——支持GLM5、GLM4.7、MiniMax M2.1、Kimi2.5等主流模型,仅限制40rpm请求速率,无其他配额约束,成为OpenClaw(原Clawdbot)的最佳算力搭档。OpenClaw作为高性能AI自动化代理,结合英伟达免费API后,可实现零成本的自然语言推理与自动化执行,再搭配飞书等即时通讯工具的交互能力,能打造出高效、便捷的全场景AI助手。
8032 5
|
4月前
|
传感器 机器学习/深度学习 算法
PID期刊论文复现之基于Simulink四旋翼无人机PID控制
PID期刊论文复现之基于Simulink四旋翼无人机PID控制
268 1
|
6月前
|
消息中间件 人工智能 NoSQL
RocketMQ:A2A协议实现多智能体优化
Apache RocketMQ推出LiteTopic轻量级通信模型,结合A2A协议与AgentScope框架,为多智能体系统提供高可靠、低延迟的异步通信方案,支持会话持久化、断点续传与动态协同,助力AI应用构建稳定高效的协作基座。
 RocketMQ:A2A协议实现多智能体优化
|
6月前
|
自然语言处理
主流大模型结构
主流大模型架构分为四类:Encoder-Decoder(如T5)、Decoder-Only(如GPT、LLaMA)、Encoder-Only(如BERT)和Prefix-Decoder(如GLM),分别适用于生成、理解或兼顾任务。GPT系列从GPT-1到GPT-4,参数量跃升至约1.7万亿,支持多模态与长上下文;LLaMA系列持续优化开源模型;国产模型如Qwen、ChatGLM、Kimi、DeepSeek在中文场景表现突出,涵盖对话、数学推理等能力。
|
8月前
|
机器学习/深度学习 存储 缓存
115_LLM基础模型架构设计:从Transformer到稀疏注意力
大型语言模型(LLM)的架构设计是其性能的核心决定因素。从2017年Transformer架构的提出,到如今的稀疏注意力和混合专家模型,LLM架构经历了快速的演进。本文将全面探讨LLM基础架构的设计原理,深入分析Transformer的核心机制,详细介绍稀疏注意力、MoE等创新架构,并展望未来架构发展方向。通过数学推导和实践案例,为构建高效、强大的LLM提供全面指导。
1148 0
|
JavaScript
uView(u-collapse)折叠 展开 高度问题 无法撑开 nextTick
这段内容是关于一个使用 Vue 的代码示例,涉及`u-collapse`组件的使用问题。代码展示了如何通过`v-for`循环渲染`levelList`和`filmList`数据。当`u-collapse`以手风琴模式运行时,`filmList`的数据加载后未能正确展开。问题在于尽管尝试了官方文档的方法和网络上的其他解决方案,但`filmList`依然无法正常显示。
967 4
【Mac用户必看】解锁Word新技能:在Microsoft Word中优雅融入LaTeX公式,科研办公两不误的高效秘籍!
【8月更文挑战第2天】【Mac 系统】探索Word中LaTeX公式的优雅融入之道
2512 10