有什么办法把复印件和扫描件的内容提取出来吗？

有哪家 ai 的 ocr 强大的吗？或者是哪个插件和库强大的？我想把扫描文件和复印文件，使用 ocr 把文件的内容提取出来，主流的 ai 我都试了下，我发现老是不理想。有更好的办法吗？提高精准度提取的方案。

TIDS

6 天前

@BaiLinfeng

文字基本很精准，表格好像不太行

BaiLinfeng

6 天前

@ChefIsAwesome #24 付费还是免费的哦，看使用这个的人还是不少

iflyime

6 天前

MinerU 试了吗，有算力的话可以本地部署一个。

xnplus

6 天前

你找个脱敏的示例发一下，大家帮你出主意，哈哈

scegg

6 天前

@BaiLinfeng 专业分析 pdf 、扫描件、招贴画之类。非程序员就算了，这 API 不是给最终用户准备的。

nightwitch

6 天前

用豆包应该很容易吧，豆包虽然模型很弱智，但是多模态很强啊，干点这种不需要智商的应该很快就秒杀了

draken

6 天前

OCR 识别，如果是 API 访问，首选百度飞桨，积累深厚，另外火山文档也不错，最后论文 PDF 可以试试 MinerU.

保留表格、公式是基本要求。

easylee

6 天前

阿里云智能文档解析大模型版本，免费额度有 3000 页，效果不错就是有点贵。

gpt5

6 天前

不知道你扫描的是什么。
我个人体验是，本地小模型对发票/收据的识别率都已经几乎完美了。

Echo28

6 天前

白描，个人觉得是识别准确度最高的，表格识别也不错，免费版一天有次数限制，试用满意后可以买断，也不贵

BaiLinfeng

6 天前

@gpt5 #34 本地小模型？你在本地自己搭建的吗？啥模型啊？

BaiLinfeng

6 天前

@gpt5 #34 我扫描文件是大量的文字内容甚至还要表格数据，不是发票和收据哦

BaiLinfeng

5 天前

@xnplus #29 啥意思？我发个要扫描提取的文件？你是说想帮我测试下？主要是文件全部都是内容都涉及到敏感信息，反正我的都是大量的文字内容有的甚至还要表格数据，图片我就不指望可以解析出来了。

这是一个专为移动设备优化的页面（即为了让你能够在 Google 搜索结果里秒开这个页面），如果你希望参与 V2EX 社区的讨论，你可以继续到 V2EX 上打开本讨论主题的完整版本。

V2EX 是创意工作者们的社区，是一个分享自己正在做的有趣事物、交流想法，可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.