什么是OCR（光学字符识别）？
OCR是一种分析包含文字的图像（照片、扫描文档、截图、PDF），并将视觉文字转换为机器可读字符数据的技术。输出是可编辑的文本，能够被复制、搜索和处理。没有OCR，扫描文档只是一张图片；有了OCR，它变成了可用的数字文本。
- 光学字符识别（OCR）
- 一种使用模式识别和机器学习来识别图像中文字字符，将文字的视觉表示转换为编码数字文本的技术。现代OCR能同时处理多种字体、语言和布局，识别精度主要取决于原图质量，以及引擎是否针对该语言训练过。
OCR处理流程详解
- 图像预处理：转灰度、调对比度、去噪、校正倾斜/旋转、二值化（转纯黑白）。
- 版面分析：检测文字区域，识别栏、段落和文字行。将文字与图片、表格、装饰元素分离。
- 字符分割：将文字行分解为单个字符或字符组。处理连体字符和可变间距。
- 字符识别：将每个字符与训练模型对比。Tesseract使用按语言训练的LSTM神经网络；AI OCR使用能结合上下文通读整页的多模态大模型。
- 后处理：应用语言模型和字典纠正识别错误。修复常见误识别（0 vs O、1 vs l等）。
- 输出生成：生成识别出的文本。部分OCR软件会保留位置数据以生成可搜索PDF；Allin PDF 只输出纯文本（复制或 .txt）。
AI OCR vs 传统OCR对比
| 维度 | AI OCR（Allin PDF Pro 的 Gemini） | 传统OCR（Tesseract.js，免费） |
|---|---|---|
| 清晰印刷体 | 很好 | 在已训练语言上较好 |
| 手写体 | 能识别较工整的手写 | 非常有限 |
| 语言 | 多种，包括德语、西班牙语、法语 | Allin PDF 中仅5种：英、简中、繁中、日、韩 |
| 复杂版面 | 支持表格、多栏、表单 | 非线性布局困难 |
| 处理位置 | 云端（需联网并用Google登录） | 浏览器本地，文件不离开设备 |
| 额度 | 每次最多50页，每天100次 | 无需注册，无每日限制 |
| 隐私 | 经加密连接发送，不存储 | 从不上传 |
| 费用 | 包含在Pro中（$9.99/月或$59.99/年） | 免费 |
关键区别：AI OCR（如Gemini）理解上下文——即使扫描模糊，它也能正确读出"张医生"，因为它理解"张"是姓氏后跟"医生"的称谓。传统OCR只看像素模式，面对同样模糊的文字会出错。
Allin PDF的OCR方案
Allin PDF提供两种引擎，可按文档选择：
- 免费：本地引擎（Tesseract.js）——在浏览器中运行，文件不上传，无需注册、无每日限制。首次使用某种语言时下载该语言数据。最适合中、英、日、韩语的隐私敏感文档。
- Pro：AI OCR（Gemini）——页面经加密连接发送给Gemini进行理解式识别，每次最多50页、每天100次。最适合手写体、低质量扫描件、复杂版面以及本地引擎不支持的语言。若某一页AI识别失败，该页会自动改用本地引擎。
两种引擎均支持 JPG、PNG 和 PDF（含扫描件）。网页版需要联网才能打开，不支持离线使用；如需完全离线识别，请使用 Allin PDF iOS 应用，本地工具在设备上运行。准备好了？打开 Allin PDF OCR，上传图片或扫描PDF即可。
获得最佳OCR精度的技巧
- 至少300 DPI扫描：更高分辨率意味着字符识别的细节更多。200 DPI可接受，300+最佳。
- 确保良好光线：均匀照明无阴影。避免光亮纸上的闪光反射。
- 保持文字端正：倾斜或旋转的文字降低精度。大多数工具自动校正小角度，极端旋转需手动修正。
- 高对比度：白/浅色背景上的深色文字效果最佳。彩色文字或彩色背景降低精度。
- 选择正确语言：本地引擎选错语言包会大幅降低精度。文档不是这5种语言时，请使用Pro的AI OCR。
常见问题
OCR能识别手写文字吗？
Pro 的 AI OCR（Gemini）能识别较工整的手写文字，效果很大程度取决于字迹。本地Tesseract引擎主要针对印刷体设计，手写支持非常有限。要获得最佳手写识别效果，请使用AI引擎。
OCR会保留原始格式吗？
不会。Allin PDF OCR只提取文字，输出纯文本，可复制或保存为 .txt。如需保留版面的可编辑文档，请使用PDF转Word（输出 .docx）。OCR最适合只需要原始文本内容的场景。
为什么本地引擎需要下载语言包？
Tesseract每种语言都需要对应的训练模型。为保持页面加载速度，Allin PDF只在首次使用某种语言时下载该语言数据，你的文档本身不会上传。网页版仍需联网才能打开；如需离线OCR，请使用iOS应用。