AI 百科词条

文字识别（OCR (Optical Character Recognition)）是什么？

把图片里的文字变成可编辑文本——扫描件、截图、路牌都能读。

一句话说清楚

OCR 通过视觉模型识别图像中的文字，现代方案（多为视觉大模型驱动）已能处理手写体、表格、公式、竖排文字。多语言混排、盖章遮挡、拍摄角度倾斜仍是准确率的常见坑。表格类 OCR 还会尝试还原单元格结构，输出 Excel 或 Markdown 表格。

选扫描/转文字工具时，重点测你的真实场景：发票小字、手写笔记、老文献扫描件的表现差异极大。表格还原需求选明确支持「输出 Excel」的工具，纯文字工具会丢结构。

OCR 结果必须抽查——数字 0/6、1/7 的误识别在发票、金额场景是高危错误，别直接复制进正式文档。

录音转文字：会议、访谈、课程全场景

会议纪要看说话人分离与摘要能力，访谈整理看准确率与时间戳，课程听打看长音频支持。

AI 翻译：整篇 PDF 到双语对照

论文翻译看公式与参考文献保护，商务文档看排版还原，网页阅读看沉浸式双语。

AI 读长文档：报告、论文、合同速读与要点提炼

上传 PDF 直接提问，AI 出摘要、答细节、跨页对比，重点看长文完整度与引用页码。