OCR

OCR 會從圖片、掃描件和文件截圖中擷取文字。

辨識完成後，你可以複製結果，匯出為 Markdown、PDF 或 Word，也可以將多種格式一起打包下載。

OCR 能做什麼

功能	說明
圖片文字辨識	從圖片、截圖和掃描件中擷取文字。
文件版面辨識	更適合表格、公式、印章和圖文混排版面。
多服務支援	支援 Baidu PaddleOCR、Microsoft Azure Vision 和 Google Vision。
複製結果	處理完成後複製辨識文字。
匯出檔案	匯出 Markdown、PDF 和 Word。
批次打包	多個檔案辨識後，可將結果打包下載。

先設定 OCR 服務

開啟：

System Settings -> Other Settings -> OCR

填寫你想使用的服務憑證：

服務	要填寫什麼	最適合
Baidu PaddleOCR	PaddleOCR Token	建議優先使用。適合文件、圖片、表格和混合版面。
Microsoft Azure Vision	Azure Vision Endpoint 和 Azure Vision API Key	如果你已使用 Microsoft 雲端服務，會很有用。
Google Vision	Google Vision API Key。服務帳號 JSON 僅用於額度查詢。	如果你使用 Google Cloud 服務，會很有用。

填寫憑證後請儲存。

初次測試時可以只設定一個服務，不需要三個都設定。

Google Vision 設定

Google 設定分成兩部分：

目標	需求
使用 OCR	啟用 Cloud Vision API，然後建立 API Key。
查詢使用量	建立服務帳號，授予 Monitoring Viewer，然後下載服務帳號 JSON。

使用 Google 進行 OCR

1. 開啟 Google Cloud Console。
2. 前往 APIs & Services。
3. 開啟 Library，搜尋 Cloud Vision API 並啟用。
4. 回到 Credentials。
5. 建立 API Key。
6. 開啟 API 金鑰並複製。
7. 將它貼到 ImgHost 的 Google Vision API Key。
8. 儲存。

之後即可在 OCR 對話框中選擇 Google Vision。

查詢 Google 使用量

額度查詢不是辨識必要項。

它只會大致顯示最近 30 天使用了多少次 Google Vision 呼叫。

1. 在 Google Cloud Console 中開啟 IAM & Admin。
2. 開啟 Service Accounts。
3. 建立服務帳號，例如 vision-monitor。
4. 授予它 Monitoring Viewer 角色。
5. 開啟服務帳號詳細資料並建立金鑰。
6. 選擇 JSON。
7. 下載產生的 JSON 檔案。
8. 回到 ImgHost，在服務帳號 JSON 下匯入（選填）。
9. 匯入成功後，點選額度查詢。

匯入後，ImgHost 會顯示該服務帳號所屬的專案名稱。查詢使用量時，ImgHost 會讀取 Google 監控資料並顯示本月呼叫次數。

簡單來說：

項目	用途
Google Vision API Key	執行 OCR 辨識。
服務帳號 JSON	查詢 Google Vision 使用了多少次。
Monitoring Viewer 角色	允許服務帳號讀取使用量資料。

取得 Baidu PaddleOCR 權杖

Baidu PaddleOCR 需要存取權杖。

在 Baidu PaddleOCR 頁面開啟 API 呼叫視窗，點選取得權杖，然後複製。

回到 ImgHost，將它貼到 PaddleOCR Token 並儲存。

開始辨識

在檔案管理中選擇一張圖片或文件截圖，然後點選 OCR。

在對話框中選擇辨識服務和模型。

常見 PaddleOCR 模型選擇：

模型	最適合
PP-StructureV3	建議預設值。適合文件、表格、公式、印章和混合版面。
PP-OCRv5	簡單圖片、一般文字和輕量辨識。
PaddleOCR-VL	多語言、複雜圖片，以及類似圖表的內容。
PaddleOCR-VL-1.5	更複雜的文件頁面和版面還原。

如果不確定，先使用 PP-StructureV3。

進階選項

選項	說明
方向校正	圖片旋轉或歪斜時使用。
文件展平	用於有彎曲或傾斜的拍照文件。
版面偵測	想保留標題、段落、表格和圖片結構時使用。
圖表辨識	圖片包含圖表或複雜結構時使用。
美化 Markdown	讓匯出的 Markdown 更容易閱讀。

一般截圖建議保留最少選項。文件掃描件可開啟更多文件相關選項。

查看結果

辨識完成後，對話框會顯示結果。

你可以直接複製，也可以選擇匯出格式。

對文件頁面而言，匯出的 PDF 可以保留頁面外觀，同時讓文字可搜尋。這很適合用於歸檔掃描件並在之後查找內容。

選擇匯出格式

格式	最適合
Markdown (.md)	筆記、文件系統和後續編輯。
PDF (.pdf)	保留頁面外觀和掃描文件結果。
Word (.docx)	繼續編輯版面、修改文字並交給他人。
全部匯出	儲存多種格式和原圖，適合重要檔案歸檔。

如果只需要文字，請匯出 Markdown。

如果需要頁面外觀，請使用 PDF 或 Word。

Word 輸出

匯出的 Word 文件可使用辦公軟體開啟和編輯。

有些文件會在 Word 輸出中包含辨識到的圖片、標題和段落。

辨識品質取決於原圖清晰度、模型選擇和文件複雜度。

最適合 OCR 的檔案類型

檔案類型	建議
清楚的截圖	直接辨識。
掃描件	優先使用 PP-StructureV3。
拍照文件	開啟方向校正和文件展平。
表格、公式、印章	優先使用結構化模型。
簡單短文字圖片	PP-OCRv5 通常足夠。

圖片越清楚、文字越端正，通常會得到更好的結果。

常見情況

情況	意義
辨識失敗	檢查對應服務的權杖或金鑰是否已儲存。
辨識很慢	複雜文件和大型圖片需要更長時間。
表格不完整	嘗試使用結構化模型。
文字有錯誤	模糊、反光和歪斜會增加辨識錯誤。請嘗試更清楚的圖片。
Word 輸出包含很多圖片	結構化模型可能會保留部分辨識到的圖片，這是正常情況。

Google 額度查詢失敗

請檢查：

1. 服務帳號 JSON 已匯入。
2. 服務帳號具有 Monitoring Viewer 角色。
3. 專案已啟用 Cloud Vision API。

如果只需要 OCR 而不查詢使用量，可以忽略服務帳號 JSON，只填寫 Google Vision API Key。

快速流程

Open System Settings
-> Open Other Settings
-> Fill OCR service credentials
-> Save
-> Return to File Management
-> Select a file and click OCR
-> Choose a model
-> Wait for recognition
-> Copy results or export Markdown / PDF / Word