纸质合同、手写笔记、几十页的扫描报告，想把字抠出来，最原始的办法是照着敲。AI 文字识别工具能把这个过程压到几分钟，但很多人试过一次就放弃：错行漏字、格式全乱。问题通常不在工具，而在喂给它的那张图，以及识别模式选错了。这篇把流程拆成三步。
为什么你拍的照片，识别出来总是一团乱
“工具不行”是最容易得出的结论，但它往往不是原因。OCR 的工作方式决定了它的上限：先把整页图像做几何校正，再把图像切成行、行切成字，最后逐个字形匹配候选字符，交给语言模型用上下文纠错。这条链路里，任何一环的输入质量差，后面都在替它擦屁股。
最常见的三种输入问题：一是光照不匀，手机闪光灯打在一侧，纸面一半过曝一半发灰，浅色字直接消失；二是透视变形，斜着拍，纸的上沿窄下沿宽，行基线是斜的，切行时必然串行；三是分辨率不够，一张一千像素宽的图里塞了整页 A4，单字高度不到二十像素，模型只能靠猜。
另一个隐形杀手是纸张本身：折痕、背面透印、装订线阴影，都会被当成笔画。所以别急着换工具，先判断这批图是不是还能救。能救的用流程补救，救不回来的直接重拍，比重试十次都划算。
第一步：把源图拍成”能被读懂”的图
三个动作最有效。第一，正对着拍，让纸张四边尽量与取景框平行；如果已经拍了歪的，先用工具的自动裁边和旋转校正拉正。第二，用均匀的散射光，白天靠窗拍比开台灯好，注意别让自己的影子落在纸上。第三，控制单页在画面里的占比，一页一框，不要一张图拍两页，横跨中缝的文字几乎必然错乱。
图书和装订文件可以拆页，或者用扫描类应用的曲面展平功能；实在没有扫描条件，把手机架住加定时拍摄，比手持稳定得多。分辨率上，单页长边两千像素以上比较稳妥；文件太大可以裁掉页边留白，但不要整页压缩，压缩带来的字边模糊是不可逆的。
还有一个容易忽略的细节：把纸放平、压实。翘起的纸角在镜头里是扭曲的，那一块的字识别率会明显下降。一张 A4 纸用两枚硬币压住下沿，成本几乎为零，效果立竿见影。
第二步：选对识别模式，比换工具更管用
多数人只用默认的”通用文字”，其实工具里通常还藏着几种专门模式，效果差得很远。
- 表格模式：会把单元格位置一起还原，导成表格文件时列不会错位，省掉重新对齐的功夫。
- 手写模式：针对连笔和个性化笔迹单独训练，识别率明显高于通用模式，但仍建议只用于结构清晰的笔记。
- 公式模式：输出 LaTeX 或公式标记语言，纯文本模式会把分式、上下标和根号彻底打散。
- 票据与证件模式：按固定版式抽取字段，比整页识读再去挑字段更准，也更适合批量。
- 竖排与多语言：古籍、港台版书刊必须手动切换，否则会按横排硬切，出来是一堆乱序字。
如果一批文档版式一致，先拿两页做对照测试，确认哪种模式错得最少再批量跑。这一步花五分钟，能省下后面一小时的返工。批量识别完的结构化结果往往还要继续计算，可以接着看AI 表格工具怎么用里那套从原始数据到成表的流程。
第三步：校对与格式回填
识别结果不要直接当定稿。建议按三遍走，每一遍只盯一类问题，效率比通读三遍高得多。
第一遍只看数字和专有名词。金额、日期、编号、人名、型号错一个，整份文档就废了，而这恰恰是识别最容易出错的地方——数字零和大写字母 O、数字一和小写 l、数字五和字母 S，都是经典混淆对。
第二遍看断行与标点。从 PDF 转出来的文本常带硬换行，段落中间被切断；全角半角混用、引号方向错乱，也要在这一遍统一掉。
第三遍看层级。标题、正文、列表、图注是否被识别成同一级别，直接决定后面排版的工作量。层级乱了，宁可花十分钟重设样式，也不要在正文里手动加粗硬凑。
回填时优先导出 docx 而不是纯文本，能保留加粗、缩进和表格结构。需要长期沉淀的资料，可以按主题归档进AI 笔记工具里那套从素材到知识库的结构，比散落在文件夹里好找得多。
四个高频翻车点
- 整页压缩后再识别：聊天软件传图会自动压缩，字边缘糊成一团。原图直传或走网盘，别图省事。
- 多栏排版直接跑通用模式：报纸、论文的双栏会被横向串成一句话，要先用分栏识别或手动裁成单栏。
- 忽略印章与手写批注：红章覆盖的文字基本识别不出来，涉及合同的关键条款必须人工核对原件。
- 把识别结果当原件存档：识别一定有误差，重要文件应原图与文本一并保存，别只留文本。
顺带提醒一句隐私：合同、身份证、病历这类材料，尽量用支持本地识别、或明确承诺不留存的工具，别随手丢进来源不明的免费网页。需要跨语言处理时，识别完再走AI 翻译工具那条从原文到定稿的流程，比让一个工具同时干两件事靠谱。
结语
文字识别的效率提升，八成来自前端那三十秒：拍正、拍清、选对模式；剩下的两成才是校对。把这三步固定成习惯，一份几十页的扫描件就从”想想要不要手打”变成”十分钟能改完”。真正要守住的底线是：机器负责把字搬出来，人负责判断这些字对不对，尤其是数字和条款，永远不要跳过复核。如果是边开会边记录的场景，也可以直接看AI 会议纪要工具怎么用，从录音到定稿的思路其实是一样的。