AI OCR效果真是让我惊叹！(合集转寄)

【 在 wuduan2 的大作中提到: 】 : 标 题: AI OCR效果真是让我惊叹！ : 发信站: 水木社区 (Wed Sep 23 08:30:01 2026), 站内 : 我不确定是不是用了AI，好像是。 : 我用的是MinerU，应该还有一些类似的软件。 : 识别准确率惊人的高，即使对人眼都有些看不清的图片， : 多种语言自动识别， : 段落自动规整，页面中不规则排版的文字块都能自动识别，跨页的段落也能归到一起， : 公式、表格、图形都能识别出来。 : 而这些都是不用任何额外操作，在一次OCR过程中，对于各种内容混排的文档，自动识别出来的。 : 而像白描，还须要手动切换到公式识别、切换到电子表格识别，而且识别效果还不好，还不能像普通识别那样截图识别。 : 很早我就觉得OCR应该更“智能”一些， : 最简单的一个例子： : 有的OCR在识别一段很规整的段落内的普通中文文本过程中，多数标点符号都识别正确， : 但中间就夹杂了一个英文逗号。 : 如果OCR有一点“智能”，就应该根据上下文判断这里不可能出现英文逗号。 : 现在的这些OCR软件好像就是加入了这种功能，它不只是根据一个个字符去识别，而是根据上下文结合判断。 : 我现在就希望MinerU有识别pdf文件后输出pdf的能力。 : 我知道，输出到pdf后，它本来识别出来的段落就又被拆散了，变成了一行行的文本， : 这实际上属于功能的倒退。 : 但是我现在经常需要对pdf进行识别，识别后生成可搜索的图像， : 看到的还是原始pdf的样子，但是其中添加了文字层，可搜索。 : 其他软件，要么不能做这件事情（一个pdf里所有页批量识别，然后还保存到这个pdf） : 要么识别效果不尽人意。 : CTerm会自动屏蔽低素质人的文章，私信直接删除 : 宇宙浩渺，时空无限，人类算什么，不过都是蚂蚁、尘埃罢了 : 死亡是唯一一座永远亮着的灯塔，不管你向哪里航行，最终都得转向它指引的方向。一切都会逝去，只有死神永生。 : 你的青春会过去，永不再回来 : 万事は夢 : 唯一不可阻挡的是时间，它像一把利刃，无声地切开了坚硬和柔软的一切，恒定地向前推进着，没有任何东西能够使它的行进出现丝毫颠簸，它却改变着一切。 : ※ 来源:·水木社区 mysmth.net·[FROM: 202.98.13.*]

【 在 jiangyounan 的大作中提到: 】 : 标 题: Re: AI OCR效果真是让我惊叹！ : 发信站: 水木社区 (Wed Sep 23 09:25:51 2026), 站内 : 收费吗 : 【 在 wuduan2 的大作中提到: 】 : : 标 题: AI OCR效果真是让我惊叹！ : : 发信站: 水木社区 (Wed Sep 23 08:30:01 2026), 站内 : : 我不确定是不是用了AI，好像是。 : : 我用的是MinerU，应该还有一些类似的软件。 : : 识别准确率惊人的高，即使对人眼都有些看不清的图片， : : 多种语言自动识别， : : 段落自动规整，页面中不规则排版的文字块都能自动识别，跨页的段落也能归到一起， : : 公式、表格、图形都能识别出来。 : : 而这些都是不用任何额外操作，在一次OCR过程中，对于各种内容混排的文档，自动识别出来的。 : : 而像白描，还须要手动切换到公式识别、切换到电子表格识别，而且识别效果还不好，还不能像普通识别那样截图识别。 : : 很早我就觉得OCR应该更“智能”一些， : : 最简单的一个例子： : : 有的OCR在识别一段很规整的段落内的普通中文文本过程中，多数标点符号都识别正确， : : 但中间就夹杂了一个英文逗号。 : : 如果OCR有一点“智能”，就应该根据上下文判断这里不可能出现英文逗号。 : : 现在的这些OCR软件好像就是加入了这种功能，它不只是根据一个个字符去识别，而是根据上下文结合判断。 : : 我现在就希望MinerU有识别pdf文件后输出pdf的能力。 : : 我知道，输出到pdf后，它本来识别出来的段落就又被拆散了，变成了一行行的文本， : : 这实际上属于功能的倒退。 : : 但是我现在经常需要对pdf进行识别，识别后生成可搜索的图像， : : 看到的还是原始pdf的样子，但是其中添加了文字层，可搜索。 : : 其他软件，要么不能做这件事情（一个pdf里所有页批量识别，然后还保存到这个pdf） : : 要么识别效果不尽人意。 : : CTerm会自动屏蔽低素质人的文章，私信直接删除 : : 宇宙浩渺，时空无限，人类算什么，不过都是蚂蚁、尘埃罢了 : : 死亡是唯一一座永远亮着的灯塔，不管你向哪里航行，最终都得转向它指引的方向。一切都会逝去，只有死神永生。 : : 你的青春会过去，永不再回来 : : 万事は夢 : : 唯一不可阻挡的是时间，它像一把利刃，无声地切开了坚硬和柔软的一切，恒定地向前推进着，没有任何东西能够使它的行进出现丝毫颠簸，它却改变着一切。 : : ※ 来源:·水木社区 mysmth.net·[FROM: 202.98.13.*] : ※ 来源:·水木社区 mysmth.net·[FROM: 183.238.144.*]

【 在 wuduan2 的大作中提到: 】 : 标 题: Re: AI OCR效果真是让我惊叹！ : 发信站: 水木社区 (Wed Sep 23 09:28:34 2026), 站内 : 不收 : 【 在 jiangyounan 的大作中提到: 】 : : 标 题: Re: AI OCR效果真是让我惊叹！ : : 发信站: 水木社区 (Wed Sep 23 09:25:51 2026), 站内 : : 收费吗 : : 【 在 wuduan2 的大作中提到: 】 : : : 标 题: AI OCR效果真是让我惊叹！ : : : 发信站: 水木社区 (Wed Sep 23 08:30:01 2026), 站内 : : : 我不确定是不是用了AI，好像是。 : : : 我用的是MinerU，应该还有一些类似的软件。 : : : 识别准确率惊人的高，即使对人眼都有些看不清的图片， : : : 多种语言自动识别， : : : 段落自动规整，页面中不规则排版的文字块都能自动识别，跨页的段落也能归到一起， : : : 公式、表格、图形都能识别出来。 : : : 而这些都是不用任何额外操作，在一次OCR过程中，对于各种内容混排的文档，自动识别出来的。 : : : 而像白描，还须要手动切换到公式识别、切换到电子表格识别，而且识别效果还不好，还不能像普通识别那样截图识别。 : : : 很早我就觉得OCR应该更“智能”一些， : : : 最简单的一个例子： : : : 有的OCR在识别一段很规整的段落内的普通中文文本过程中，多数标点符号都识别正确， : : : 但中间就夹杂了一个英文逗号。 : : : 如果OCR有一点“智能”，就应该根据上下文判断这里不可能出现英文逗号。 : : : 现在的这些OCR软件好像就是加入了这种功能，它不只是根据一个个字符去识别，而是根据上下文结合判断。 : : : 我现在就希望MinerU有识别pdf文件后输出pdf的能力。 : : : 我知道，输出到pdf后，它本来识别出来的段落就又被拆散了，变成了一行行的文本， : : : 这实际上属于功能的倒退。 : : : 但是我现在经常需要对pdf进行识别，识别后生成可搜索的图像， : : : 看到的还是原始pdf的样子，但是其中添加了文字层，可搜索。 : : : 其他软件，要么不能做这件事情（一个pdf里所有页批量识别，然后还保存到这个pdf） : : : 要么识别效果不尽人意。 : : : CTerm会自动屏蔽低素质人的文章，私信直接删除 : : : 宇宙浩渺，时空无限，人类算什么，不过都是蚂蚁、尘埃罢了 : : : 死亡是唯一一座永远亮着的灯塔，不管你向哪里航行，最终都得转向它指引的方向。一切都会逝去，只有死神永生。 : : : 你的青春会过去，永不再回来 : : : 万事は夢 : : : 唯一不可阻挡的是时间，它像一把利刃，无声地切开了坚硬和柔软的一切，恒定地向前推进着，没有任何东西能够使它的行进出现丝毫颠簸，它却改变着一切。 : : : ※ 来源:·水木社区 mysmth.net·[FROM: 202.98.13.*] : : ※ 来源:·水木社区 mysmth.net·[FROM: 183.238.144.*] : CTerm会自动屏蔽低素质人的文章，私信直接删除 : 宇宙浩渺，时空无限，人类算什么，不过都是蚂蚁、尘埃罢了 : 死亡是唯一一座永远亮着的灯塔，不管你向哪里航行，最终都得转向它指引的方向。一切都会逝去，只有死神永生。 : 你的青春会过去，永不再回来 : 万事は夢 : 唯一不可阻挡的是时间，它像一把利刃，无声地切开了坚硬和柔软的一切，恒定地向前推进着，没有任何东西能够使它的行进出现丝毫颠簸，它却改变着一切。 : ※ 来源:·水木社区 mysmth.net·[FROM: 202.98.13.*]

【 在 wuduan2 的大作中提到: 】 : 我不确定是不是用了AI，好像是。 : 我用的是MinerU，应该还有一些类似的软件。 : 识别准确率惊人的高，即使对人眼都有些看不清的图片， : 多种语言自动识别， : 段落自动规整，页面中不规则排版的文字块都能自动识别，跨页的段落也能归到一起， : 公式、表格、图形都能识别出来

【 在 xeagle 的大作中提到: 】 : 标 题: Re: AI OCR效果真是让我惊叹！ : 发信站: 水木社区 (Wed Sep 23 09:46:45 2026), 站内 : 没那么神，试的第一个word文件，表格转换就有问题 : 【 在 wuduan2 的大作中提到: 】 : : 我不确定是不是用了AI，好像是。 : : 我用的是MinerU，应该还有一些类似的软件。 : : 识别准确率惊人的高，即使对人眼都有些看不清的图片， : : 多种语言自动识别， : : 段落自动规整，页面中不规则排版的文字块都能自动识别，跨页的段落也能归到一起， : : 公式、表格、图形都能识别出来 : ※ 来源:·水木社区 http://www.mysmth.net·[FROM: 111.196.165.*]

【 在 wuduan2 的大作中提到: 】 : 我不确定是不是用了AI，好像是。 : 我用的是MinerU，应该还有一些类似的软件。 : 识别准确率惊人的高，即使对人眼都有些看不清的图片，

【 在 zg1 的大作中提到: 】 : minerU自带一个小模型来做ocr，如果开启显卡加速，会快很多。 : 我就用minerU来转换年报pdf到md格式。

【 在 strongcat 的大作中提到: 】 : 年报pdf 是可检索的 不需要 OCR

【 在 zg1 的大作中提到: 】 : 我想把里面的图片内容也分析出来，换成文字描述 。 : 当时deepseek还不支持多模态，所以先整体转文字。 : 现在可以整个pdf让 deepseek去分析了。

【 在 strongcat 的大作中提到: 】 : 把PDF 整个丢给deepseek, 很费钱吧 : 我做了一个智能体 分析一个公司3年内所有年报/季报 公告 生成一份100多页的分析报告，也就几块钱token : 很多分析还是可以让程序做，必要时让LLM 做一些分析推理

【 在 wuduan2 的大作中提到: 】 : 我不确定是不是用了AI，好像是。 : 我用的是MinerU，应该还有一些类似的软件。 : 识别准确率惊人的高，即使对人眼都有些看不清的图片， : 多种语言自动识别，

【 在 openmartin 的大作中提到: 】 : 标 题: Re: AI OCR效果真是让我惊叹！ : 发信站: 水木社区 (Wed Sep 23 20:18:21 2026), 站内 : 有个程序叫 ocrmypdf 满足你的要求 : 【 在 wuduan2 的大作中提到: 】 : : 我不确定是不是用了AI，好像是。 : : 我用的是MinerU，应该还有一些类似的软件。 : : 识别准确率惊人的高，即使对人眼都有些看不清的图片， : : 多种语言自动识别， : ※ 来源:·水木社区 http://www.mysmth.net·[FROM: 114.244.125.*]

【 在 wuduan2 的大作中提到: 】 : 我不确定是不是用了AI，好像是。 : 我用的是MinerU，应该还有一些类似的软件。 : 识别准确率惊人的高，即使对人眼都有些看不清的图片， : 多种语言自动识别， : 段落自动规整，页面中不规则排版的文字块都能自动识别，跨页的段落也能归到一起， : 公式、表格、图形都能识别出来。

【 在 wuduan2 的大作中提到: 】 : 我不确定是不是用了AI，好像是。 : 我用的是MinerU，应该还有一些类似的软件。 : 识别准确率惊人的高，即使对人眼都有些看不清的图片，