OCR 文字辨識

設定 OCR 服務後，AI 專家即可辨識圖片和 PDF 中的文字，將掃描檔、照片、截圖轉換為可編輯的文字或 Markdown。

![設定 — OCR](https://assets.yaoagents.com/en/ocr/01-ocr-settings-en-$__THEME.png)

## 支援的服務商

| 服務商 | 類型 | 說明 |
|--------|------|------|
| [PaddleOCR](https://github.com/PaddlePaddle/PaddleOCR) | 自架 | 開源 OCR 引擎，支援 100+ 語言，CPU/GPU 皆可執行。 |
| [百度 OCR](https://cloud.baidu.com/product/ocr) | 雲端 | 百度智慧雲文字辨識，支援通用文字及高精度辨識。 |
| [Google Cloud Vision](https://cloud.google.com/vision) | 雲端 | 多語言辨識能力最強，支援 GenAI 自訂擷取。 |
| [Azure Document Intelligence](https://azure.microsoft.com/products/ai-services/ai-document-intelligence) | 雲端 | 表單與鍵值對擷取能力出色，支援隱藏文字層。 |

不需要全部設定，選一個合適的就好。

## 設定方式

1. 在服務商官網註冊並取得 API Key。
2. 開啟 **設定 → OCR**。
3. 選擇服務商，填入憑證資訊。
4. 點選 **儲存**。

各服務商所需欄位：

| 服務商 | 必填欄位 |
|--------|---------|
| PaddleOCR | 服務位址（你的 PaddleOCR Serving 端點），API Key（選填） |
| 百度 OCR | API Key、Secret Key |
| Google Cloud Vision | API Key |
| Azure Document Intelligence | API Key、Endpoint |

## 支援的辨識類型

| 類型 | 說明 |
|------|------|
| `general` | 通用文字辨識（預設） |
| `table` | 表格辨識 |
| `handwriting` | 手寫體 |
| `document` | 文件版面分析 |
| `invoice` | 發票 |
| `receipt` | 收據 |
| `id_card` | 身分證 |
| `passport` | 護照 |
| `bank_card` | 銀行卡 |
| `license` | 營業執照 |
| `license_plate` | 車牌 |

不同服務商支援的類型不同。不支援的類型會自動降級為 `general`。

## 使用方式

設定完成後，傳送附件給 AI 專家時會自動呼叫 OCR。常見用法：

- 上傳 PDF 掃描檔，請專家擷取文字並轉為 Markdown
- 拍照上傳手寫筆記，請專家整理成文字
- 上傳發票或收據，請專家提取關鍵欄位

![OCR 任務 — PDF 轉 Markdown](https://assets.yaoagents.com/en/ocr/02-ocr-task-en-$__THEME.png)