ARTICLE · 1266634
让 AI 读懂文档:识别文字之后,还有一步不能省
手里有一份扫描版 PDF，想让 AI 帮忙整理。文件上传成功，转换后的文字看起来也很完整，接下来是不是就可以放心分析了？
不一定。
对普通阅读来说，一个识别错误可能不影响理解；放到表格、金额、日期和页码里，错一个字符，就可能影响后面的判断。更麻烦的是，有些问题肉眼看不出来：两个字长得几乎一样，搜索、比对和后续程序却可能把它们当成不同字符。
最近有两套新的 OCR 资源值得留意：一套关注长文档，另一套在识别之外增加了质量判断。我也把处理多格式文件的 Docling 一起放进来，按实际问题整理一下。
一、长文档：不只是一页页认字
一份文档的意义常常跨越多页。表格可能从上一页延续到下一页，标题、注释和正文之间也有关系。如果每页只被孤立识别，后续整理时就可能需要再花力气拼接。
百度的 Unlimited OCR 2 把长文档解析作为重点。按照项目介绍，它希望在处理多页材料时利用前后页面的信息。项目于 10 月 27 日发布，提供了模型和在线演示入口。
适合关注的场景，是连续多页的报告、扫描材料和长文档。项目名称里的“Unlimited”是它的设计方向，不等于任何文件都能无限、准确地处理；实际页数、速度和效果仍要看环境和材料。
原项目与说明：https://github.com/baidu/Unlimited-OCR
模型页面：https://huggingface.co/baidu/Unlimited-OCR-2
在线演示：https://huggingface.co/spaces/baidu/Unlimited-OCR-2
如果使用在线演示，先确认文件是否可以对外上传。涉及内部资料时，不要因为入口方便就省略这一步。
二、识别之后：把可能出错的地方找出来
OpenBMB 的 MiniCPM-OCR 提供了两个值得一起看的部分：MiniCPM-OCR 1.0 用于文档解析；MiniCPM-OCR Jev 则结合原始图像和识别结果进行质量判断，帮助定位可能需要复核的文字、表格或公式区域。
这个思路解决了一个实际问题：文件越长，逐字检查的成本越高。如果工具能够把疑似问题区域标出来，人就可以先从这些地方开始看。
但这里也要分清两件事。质量判断是辅助线索，不是正确证明。 模型提示某处没问题，不代表关键金额、数字或公式就可以跳过原件核对。
项目入口：https://github.com/OpenBMB/MiniCPM-OCR
模型页面：https://huggingface.co/openbmb/MiniCPM-OCR-1.0
三、混合格式：让资料进入后续工作流
真实工作里，需要处理的往往不止 PDF。一个资料包里可能同时有 Word、PPT 和表格，单一的扫描识别工具未必覆盖整个流程。
Docling 是值得了解的文档处理项目。它的 2.143.0 更新说明提到混合格式 ZIP 输入支持，也包含 PPTX 解析修复。具体支持哪些格式、怎样处理，建议直接看项目文档。
项目入口：https://github.com/docling-project/docling
本次更新：https://github.com/docling-project/docling/releases/tag/v2.143.0
支持格式：https://github.com/docling-project/docling/blob/main/docs/usage/supported_formats.md
我另外用本机已有的 Docling 2.110.0 做了一次小试验：输入是一页自制的中文数字原生 PDF，没有开启 OCR。结果里的表格行列和金额保留了，但“项目”的“目”变成了外观相近的“⽬”，直接搜索“项目”找不到。
这只是一个合成样本、一次转换，而且测试的不是上面提到的 2.143.0。它不能说明扫描件表现，也不能用来给不同工具排名。它提醒我的只是：文字看起来对，还不够；关键内容能不能搜索和继续处理，也值得检查。
如果现在要选，从手里的材料出发
这三项并不处于完全相同的位置，也不适合简单排成第一、第二、第三。
多页长文档需要考虑跨页关系，可以先了解 Unlimited OCR 2。 已经有识别结果，希望优先找出可能有问题的区域，可以关注 MiniCPM-OCR Jev。 资料包含多种文件格式，需要组织后续转换流程，可以查看 Docling 的支持格式和版本说明。
上面关于工具能力的介绍来自各项目公开资料；除了单独说明的 Docling 小样，我还没有用同一批文件对三项做横向实测。选择时，最好拿一份可以公开使用、自己熟悉的样本，检查表格顺序、金额、页码、多栏和公式，再决定是否用于真实工作。
让 AI 处理文档，第一步是把内容读进来；下一步，是让结果经得起核对。
