Media & 3D · Intermediate
OCR(文字识别)
Optical Character Recognition
让电脑把图片里的文字认出来,变成可以复制、搜索和编辑的文本。截图、扫描件、发票都能这样处理。
Some fields on this page have no English version yet — they are shown in the original Chinese.
TL;DRIn 30 seconds
- 让电脑认图片里的字,变成能复制、能搜索的文本。
- 截图、扫描件、拍歪的发票都能这样处理。
- 手写体和拍得糊的图容易认错,重要内容要人工核。
OverviewIn detail
OCR 全称光学字符识别,意思是让电脑看懂图片里的字。一张截图、一页扫描文件、一张拍歪了的发票,经过它处理就变成能复制、能搜索、能编辑的文字。识别结果通常是纯文本,可以继续交给检索、翻译或摘要工具处理。
图片里的字对人眼是字,对电脑只是一堆有颜色的点。要拿去做统计、检索,或者交给后面的程序处理,先得把这堆点还原成字符。对电脑来说,字形和字义都无从谈起,它做的其实是把图像里的形状对应回字符,手工再敲一遍又慢又容易错。
它通常摆在流程的最前面。先把图片或扫描件里的字取出来,再把纯文本交给后面的整理、翻译或生成环节。一条自动化的文档流水线,第一步往往就是它,后面的环节都靠它给出的文字。
别以为它一定百分百准。手写体、艺术字、倾斜拍摄、光线不足和低分辨率都会让识别出错,最典型的是把数字 0 和字母 O、数字 1 和字母 l 弄混。识别难度也跟语言和字体有关,常见印刷体和清晰扫描件通常最稳,重要的数字和专有名词,事后最好还是人工核一遍。
它和图像生成的方向正好相反:一个是从图里读字,一个是写字出图。前者把图像变成文本,后者把文本变成图像,用处也完全不同,别把两者说混。
MythsCommon misunderstandings
- ✕以为它认出来就一定对 ✓手写、倾斜、光线差的图容易认错,数字 0 和字母 O 常混
- ✕以为它和图像生成是一回事 ✓一个是从图里读字,一个是写字出图,方向正好相反
- ✕以为识别完就没事了 ✓它是流程的第一步,后面的检索和翻译都得靠它给出的文字
In practiceWhere you will meet it
- 把一叠发票拍照,一次性转成能录入表格的文字
- 看到图片里的一段资料,用识别工具取出来直接引用
- 把扫描的老文件转成文本,再拿去翻译或搜索
SummaryThe key points
- OCR 把图片里的文字识别成可编辑、可复制的文本
- 它常是流程的第一步,先把字取出来再交给后续处理
- 手写体和低清晰度容易认错,关键内容要人工核对
FAQ
What does OCR(文字识别) mean?
让电脑认图片里的字,变成能复制、能搜索的文本。截图、扫描件、拍歪的发票都能这样处理。手写体和拍得糊的图容易认错,重要内容要人工核。
Where will I run into OCR(文字识别)?
把一叠发票拍照,一次性转成能录入表格的文字;看到图片里的一段资料,用识别工具取出来直接引用;把扫描的老文件转成文本,再拿去翻译或搜索。
What do people most often get wrong about OCR(文字识别)?
以为它认出来就一定对 — but 手写、倾斜、光线差的图容易认错,数字 0 和字母 O 常混;以为它和图像生成是一回事 — but 一个是从图里读字,一个是写字出图,方向正好相反。
What are the key points about OCR(文字识别)?
OCR 把图片里的文字识别成可编辑、可复制的文本;它常是流程的第一步,先把字取出来再交给后续处理;手写体和低清晰度容易认错,关键内容要人工核对。
Common pitfalls 重要的数字和专有名词别全信识别结果,人工复查一遍能省掉很多返工。
Entry 133 of 186 · All entries
Keep readingRelated reading
字幕(Subtitle)
视频里叠在画面上、跟着说话内容出现的文字,把听到的话变成能一眼扫过的字。听不清、静音刷手机或看外语视频时都靠它。
分镜(Storyboard)
视频开拍前,把脚本拆成一个个镜头、每个镜头配一张画面草稿的规划动作。它定的是每个镜头拍什么、大概几秒,不是成片效果。
3D 建模(Modeling)
在电脑的三维空间里,把一个物体的立体形状一点点搭出来。有了形状,才能接着做表面材质、打光、渲染和动画。
Three.js(网页 3D 库)
一套让网页直接显示三维画面的 JavaScript 工具库。你不用碰浏览器最底层的图形指令,几行代码就能在网页里放出一个能旋转、会打光的立体场景。
Blender(3D 软件)
一款免费开源的 3D 创作软件,建模、上色、打光、渲染、动画都能在同一个程序里完成。个人和小团队不用花大钱,也能走完整套 3D 流程。
剪映(视频剪辑软件)
国内最常见的视频剪辑软件,手机和电脑都能用,海外版叫 CapCut。拖素材、切时间轴、加字幕、套模板,新手几分钟也能剪出一条能发的视频。
Where to go nextExplore more
Back to the skills themselves
Most of the concepts covered here come from skills that install into your AI client with a single command.