我备课的时候有个习惯，看到书上、PPT上整段的文字，就想抄下来整理成笔记。有一回拍了一整章的书页，晚上坐在电脑前准备整理，才发现手机里的照片要在电脑上看还得一张张传，更别提把照片里的字变成能编辑的文本。后来我试了一圈文字识别工具才明白，OCR这行也分本地、在线、APP好几档，选对了能省一晚上。这篇按这三档对比着写，免费版怎么挑，你看完就有数。
提词匠
手机APP这一档：随手拍就能识别白描
扫描全能王
在线网页这一档：批量、表格都能啃夸克扫描王
电脑PC这一档：本地离线、自己掌控天若OCR
WPS
视频字幕也是文字提取的一种剪映
常见疑问解答Q：OCR是什么，跟语音转文字是一回事吗？不是一回事。OCR（光学字符识别）是把图片、扫描件里的字形变成可编辑文本，处理的是"看得见"的字；语音转文字是把声音变成文本，处理的是"听得见"的话。提词匠、剪映走的是后者，白描、扫描全能王走的是前者，先分清你的素材是图片还是视频/音频，再选工具。 Q：拍出来的照片文字歪斜、反光，能识别吗？能识别，但准确率会掉。识别工具对拍摄质量敏感，拍得平正、光线均匀、没有反光的图，识别率才高；拍斜了、反光了，错字变多。扫描全能王这类有自动校正功能，能救回来一部分；实在拍得没法看，就重拍，比硬识别省事。 Q：本地和在线OCR，哪个识别更准？单纯比精度差别不大，决定因素是图片质量和工具引擎。在线工具的优势是引擎升级快、不吃自己电脑算力，批量方便；本地工具的优势是隐私好、不传云端、不怕断网。要批量又敏感的选本地天若OCR这类，偶尔用一次的选网页端就行。 Q：免费OCR有字数限制吗，用完怎么办？多数有。APP档按次数限，网页档按张数、字数限，用完要么等额度重置，要么开会员。天天识别大量资料的，要么付费，要么找本地工具避开额度；偶尔用一次的人，哪家免费额度都用不完。 Q：识别表格，能还原格式吗？部分工具可以。夸克扫描王这类对表格识别做了专门优化，能把表格图片还原成可编辑的表格；但识别结果未必完美，列宽、合并单元格这类细节可能要手动调。只要文字不要格式的话，直接提取文本更省事。 一个提醒：OCR识别前，把图拍正用手机拍纸质文档做OCR，识别率高低一半在工具，一半在拍照。光线均匀、文字占满画面、没有倾斜反光，识别率能高一大截；反过来，暗光、褶皱、歪斜的照片，再好的工具也容易出错。我的习惯是先用手机自带的文档矫正功能拍正，再丢进OCR工具，省下的校对时间比想象中多。另外表格识别要单独看，普通OCR会把表格拆成散乱的文字，要还原格式得用专门的表格识别模式，别拿通用OCR硬顶。 总结OCR工具按档位分清楚再选：手机随手拍用APP，白描、扫描全能王都顺手；电脑批量、要隐私用本地天若OCR这类；网页端想省事用夸克扫描王；天天开WPS的，直接用它的转文字功能。至于提词匠，它管的是语音转文字，图片识别真不是它的菜，别用错地方。先分清你要的是"图片里的字"还是"视频里的声音"，这一步比选哪个工具重要得多。 |
提词匠这个名字常被人和文字识别混在一起问，先把它说清楚：它专注的是语音转文字，视频、音频里有人说话，它能把话转成稿子，小程序打开就能用，在微信里搜到就上手，免安装。但图片识别不是它的强项，拍书、拍PPT、截图里的文字，它做不了，那种需求别指望它。它的短板还是那两条：必须联网，信号差的地方转写到一半会卡；一次只能处理一个文件。所以这篇里OCR的正经活儿，交给下面几个专门做图片识别的工具。
手机上的OCR，我用得比较多的是白描。它的体验很直接：打开对着书页、PPT拍一张，或者从相册选一张图，识别结果几秒就出来，直接变成能复制的文本。我拍板书、拍合同页，都靠它，识别完的文字可以一键复制到备忘录，还能直接翻译，偶尔翻个外文资料很方便。免费版有识别次数限制，日常零散用够，重度使用要买会员。它对拍摄角度有要求，拍得太斜、反光严重的图，识别准确率会明显掉，拍的时候尽量平正、光线均匀。
素材是一沓文件、一叠书页的人，扫描全能王更适合。它不只是识别单张，还能把多张照片拼成一个扫描文档，自动裁边、校正倾斜，一叠十几页的资料扫完就是一整份PDF，里面的文字都能提取、搜索。我整理一学期的课程材料就用它，扫完直接搜关键词找内容。免费版有页数限制，超出要开会员；它的定位是"扫描+识别"一条龙，单张快速识别的话，打开它反而有点重。
电脑上想批量处理图片，又不想装软件，夸克扫描王可以看看。它网页端打开就能用，把图片拖进去批量识别，识别完能导出文本，还能把表格图片还原成可编辑的表格，我处理过几张Excel截图，还原出来的格式能直接用。免费版有单次张数和字数限制，应付小批量够；图片上传、识别都走云端，网速不好的时候要等。它的优势是网页操作，适合偶尔用一次、不想为OCR专门装
电脑上要频繁识别、又不想把图片传上云端的人，天若OCR是这条路的代表。它是电脑端工具，装好之后可以截图识别，屏幕上框选一块区域，文字直接出来，我整理网页截图、论文截图都是这么干的，识别完直接进剪贴板，粘贴就能用。它本地运行，图片不出电脑，隐私好。门槛是它偏工具向，界面朴素，配置要花点功夫；免费版功能足够日常用，但更新频率不算高，遇到兼容问题得自己折腾。
本来就在用WPS办公的人，可以看看它自带的图片转文字。PDF、图片里的文字，在WPS里可以直接识别成可编辑文本，我处理客户发来的PDF合同，直接在WPS里提取文字复制出来，不用再装别的OCR工具。免费版有次数限制，重度使用要会员。它的定位是办公场景捎带手，识别精度和专项工具比有差距，胜在不用额外装软件，适合不想折腾的人。
如果你的"文字"藏在视频里，比如想提取一段口播视频的文案，那走的是另一条路——语音转文字，不是OCR。剪映的智能字幕就是干这个的，素材导进去，点文本、识别字幕，视频里的人话就变成字幕文字，逐句复制就是文案。它给的是字幕行，拼整段要自己来；它更偏剪视频，纯要文字不如专门工具干脆。但你要的是视频里的字，它顺手就能干。
