OCR 文字辨識服務
OCR 用於從圖片、截圖和掃描資料中提取文字。辨識完成後，可以繼續進行文件總結、AI 對話、筆記整理和知識庫分析。
WiseMindAI 同時支援本機辨識和線上 OCR 服務。macOS 可以直接使用 Apple OCR；其他系統也可以使用 Ollama 視覺模型，或者配置百度、百度千帆和騰訊雲等線上服務。
線上 OCR 產生的費用完全由模型服務商收取，與 WiseMindAI 無關。
支援的 OCR 服務
| 服務提供商 | 申請地址 | 其他說明 |
|---|---|---|
| Apple OCR | 無需申請 | 僅支援 macOS，使用系統內建的文字辨識能力 |
| Ollama | 無需申請 | 需要在本機安裝支援視覺能力的模型 |
| 百度 OCR | 開啟控制台 | 需要 API Key 和 Secret Key |
| 百度千帆 OCR | 獲取 API Key | 支援 PaddleOCR-VL、DeepSeek-OCR 等模型 |
| 騰訊雲 OCR | 開啟控制台 | 需要 SecretId 和 SecretKey |
1. 使用 Apple OCR
Apple OCR 只會在 macOS 上顯示，不需要申請 Key。開啟「設定 → 模型設定 → 圖片文字辨識」，選擇 Apple OCR 並設為目前模型即可。
Apple OCR 使用 Mac 本身的文字辨識能力，適合希望減少第三方呼叫，或者臨時處理截圖和一般圖片文字的使用者。
2. 配置百度 OCR
首先開啟百度 OCR 控制台，如果沒有註冊需要先註冊，接著按以下步驟建立：
- 點擊「公有雲服務 → 應用列表」，建立新應用。
- 回到應用列表，複製應用的 API Key 和 Secret Key。
- 開啟 WiseMindAI「設定 → 模型設定 → 圖片文字辨識」。
- 選擇「百度 OCR」，填寫 API Key、Secret Key 和辨識版本。
- 儲存並點擊「測試」。
3. 配置百度千帆 OCR
百度千帆 OCR 使用千帆 API Key，可以選擇 PaddleOCR-VL、DeepSeek-OCR、PP-StructureV3 等模型。
- 開啟百度千帆 API Key 頁面建立或複製 API Key。
- 在 WiseMindAI 圖片文字辨識模型中選擇「百度千帆」。
- 填寫 API Key，選擇 OCR 模型，並確認介面位址。
- 儲存並測試辨識結果。
4. 配置騰訊雲 OCR
- 開啟騰訊雲 OCR 控制台，確認已經開通文字辨識服務。
- 準備騰訊雲 SecretId 和 SecretKey。
- 在 WiseMindAI 中選擇「騰訊雲 OCR」，填寫驗證資訊。
- Region 可以按需要填寫，例如
ap-guangzhou；沒有特殊要求時可以留空。 - 儲存並測試辨識結果。
直接測試 OCR 配置
線上 OCR 模型配置完成後，可以點擊「測試」。WiseMindAI 會使用一張內建圖片發起辨識，並顯示辨識文字和行數，不需要先匯入正式資料。
如果測試提示身分驗證失敗，請檢查 Key；如果提示無法連線，請檢查網路和介面位址；如果返回空結果，可以更換模型或稍後重試。
使用建議
- macOS 使用者可以先嘗試 Apple OCR，配置最簡單，也不會產生線上呼叫費用。
- 掃描資料、複雜排版和表格辨識對模型要求更高，可以比較百度千帆或騰訊雲的效果。
- OCR 結果仍可能出現錯字，涉及數字、姓名和專業術語時，建議回到原圖核對。
- 線上 OCR 的免費額度、支援圖片大小和計費方式可能變化，請以服務商控制台為準。