要点速览
- 拍摄角度、光线、平整度直接决定识别效果
- 镜头正对文字平面拍摄，效果远好于斜拍
- 有反光和阴影的照片识别错字会明显增多
- 照片体积大时先压到 10MB 以内再上传
支持的图片格式与识别参数
| 项目 | 说明 |
|---|---|
| 支持格式 | PNG、JPG、JPEG、BMP、WebP |
| 单文件上限 | 10MB |
| 参考耗时 | 约 5 秒 |
| 识别语言 | 中文、英文 |
| 输出方式 | 复制到剪贴板、导出 TXT |
| 需先转换 | HEIC、TIFF、GIF 需另存为 PNG 或 JPG |
拍照取字为什么比截图难
照片和截图最大的区别是"不可控"。截图是像素级的屏幕复制，文字边缘绝对锐利；拍照要经过镜头、光线、手抖、透视等多重环节，每一环都可能引入误差。
最典型的问题是透视变形。斜着拍一页书，画面里的文字近大远小，行距上宽下窄，OCR 需要先做几何校正才能正确切分文字行。倾斜越严重，校正后的残余误差越大，识别就越容易出错。
拍好一张"可识别"的照片
- 让镜头正对文字平面，尽量垂直，不要斜着拍
- 让文字在画面里占据较大比例，减少边缘空白
- 避开直射光和阴影，防止纸张出现高光斑
- 手动对焦到文字上，确认画面里的字是清晰的
- 检查画面是否有倾斜，手机自带的水平仪可以辅助
不同拍摄对象的注意事项
| 拍摄对象 | 主要难点 | 应对方法 |
|---|---|---|
| 书籍页面 | 页面弯曲、有装订阴影 | 用手压平，或拍摄时避开书脊阴影 |
| 公告栏 / 展板 | 玻璃反光、距离远 | 侧面避开反光，靠近拍摄 |
| 产品标签 | 曲面、字小 | 调整距离让文字占比更大 |
| 手写笔记 | 连笔、字形随意 | 识别率有限，建议人工录入 |
| 票据单据 | 纸张不平、有底纹 | 铺平后俯拍，开启闪光灯补光 |
照片转文字后的整理
照片识别结果通常比截图识别更容易出现换行错乱，因为拍摄角度会让机器判断行边界时产生偏差。整理时先通读一遍，把明显拼错的段落调回来，再逐项核对数字和专有名词。
如果一次拍了很多页，建议在拍摄阶段就按顺序编号，识别完成后按编号顺序合并，避免后期分不清哪张是哪页。
照片和截图混合出现时也不用分别找工具。在拾文雀的工作台里，图片统一走「图片文字提取」通道，影音文件走视频转文字，输出格式一致。
什么情况下应该放弃照片转文字
有些素材不值得花时间做 OCR。手写连笔的笔记、艺术字体的海报、严重反光的玻璃展板、分辨率过低的翻拍件，这些情况识别结果错漏很多，校对时间可能超过直接录入。
判断标准很简单：如果原图里你自己都要盯着看才能认出来的字，机器同样认不出来。这种时候重新拍一张，或者干脆人工录入，是更实际的选择。
手机拍摄取字的设备设置建议
手机相机有几个默认设置会影响取字效果。一是自动美颜和降噪，它们会平滑画面细节，反而让文字边缘变糊，拍摄文档时建议关闭。二是超广角镜头，边缘畸变明显，拍文字尽量用主摄。
拍摄时手动点击屏幕对焦到文字上，比自动对焦可靠。自动对焦在低对比度或大面积同色区域容易失准，手动指定对焦点的成功率更高。
如果经常需要拍文档，可以考虑在相册里保存一个"文档模式"的自定义设置，或者直接用系统自带的扫描功能拍摄。系统扫描会自动做边缘检测和透视校正，比直接拍照更适合后续识别。
常见问题
手机拍的照片需要先处理再上传吗？
如果照片有倾斜、反光或体积过大，建议先做纠偏、裁剪和压缩。常规正对拍摄的清晰照片可以直接上传。
照片里的文字很小能识别吗？
取决于有效像素。文字高度低于 20 像素时识别率会明显下降，建议靠近拍摄让文字在画面里占更大比例。
多页内容拍照后能合并识别吗？
工作台一次处理一张。建议逐张上传，识别结果按页码顺序保存，最后在文档里合并。
拍摄时开了闪光灯会影响识别吗？
闪光灯直射容易在纸张上形成高光斑，反而遮挡文字，建议用环境光并避免反光，必要时改变拍摄角度。