部落格

為什麼 OCR 會直接給你錯字，而不是報錯

作者 InSnap · 發佈於 2026年10月29日 · ocr, text recognition, accuracy, screenshot

文字辨識很少承認自己失敗。它會交回一整句看起來完全通順的話，只是錯了一個字——偏偏就是關鍵的那一個。本文說明它發生在哪裡、又該怎麼抓出來。

從截圖裡複製文字通常都行得通，而問題就出在這裡。它失敗的時候，很少會大聲說出來。沒有紅色底線、沒有「無法辨識文字」、也沒有空白方框。你得到的是一句讀起來很順的話——只錯了一個字，而那個字剛好改變了意思。

這就是為什麼有人會貼上少一位數的訂單編號、拼錯一個字母的設定鍵，或是一份文件裡冒出一個原本根本不存在的字。辨識沒有當掉，它只是很有自信地猜了一個。

辨識是分類器，不是剖析器

先了解引擎實際在做什麼會有幫助。文字辨識先把圖片切成一行一行，再切成一個一個像字的區域，然後把每個區域丟進分類器，由分類器回傳最可能的字元。那個分類器從來不會說「我不知道」，它永遠會給出找得到的最接近答案。

輸入品質好的時候，這個最接近的答案幾乎處處都對。品質差的時候，最接近的答案就會變成另一個剛好長得很像的字元：可能是 o 的 a、可能是 l 的 1，或是一個和鄰居共用部件、很容易看錯的漢字。引擎完全不知道自己錯了。

什麼叫輸入「品質差」

有四件事會影響，重要性大致照這個順序：

1. 文字在畫面上有幾個像素高。 字越小，能拿來分類的像素越少。這是最大的一項。
2. 字元集。 中日韓文字筆畫密集，少掉幾個像素，字的形狀和身分都會跟著變。拉丁字母比較單純，撐得比較久。
3. 反鋸齒與縮放。 每一次縮放都會把每一筆的邊緣糊開。縮一次還行，連續疊三次，形狀就沒了。
4. 對比與背景。 白底灰字、深底淺字都會削弱邊緣，文字後面的漸層和照片也一樣。

大多數的失敗回報都來自第一項，而解法通常是想辦法擷取到更多像素，而不是更用力去試。

InSnap 沒有另外的準確度設定，它就處理你選取的那些像素：密集介面的 1x 截圖，每一行已經是螢幕當初畫出來的高度；2x 的 Retina 擷取則有兩倍。以同一段文字來說，這兩者的差別，往往就是「正確」與「看似合理但其實錯了」的差別。

實務上的界線在哪裡

與其用猜的，不如做一個小而可重複的測試，親眼看到那條界線在哪：把同一句話用幾種不同的文字高度畫出來，逐次跑辨識，再把輸出和輸入逐字比對。下面兩張圖做的就是這件事，用的是本機引擎跑出的真實結果，不是編出來的範例。

中文那一行和英文那一行各以五種高度繪製，每次都重新辨識一次。紅色標出的是和原始文字不同的字元。

從這裡可以得出兩件事。第一，這一行是「一路正確到突然不正確」：沒有逐步劣化的過程，只有一個尺寸界線，低於它就冒出錯字。第二，兩種文字斷掉的位置不一樣。這裡拉丁文字還比較早出錯，中文反而撐得比較久——這和多數人從「中文比較難」得到的直覺正好相反。

把同一句話放到更小的尺寸去辨識，輸出會變成另一種錯法。不是空白、也不是亂碼，而是一句由真實存在、但就是不對的字所組成的話：

第二張圖才是重點。它展示了錯誤結果實際長什麼樣子：明顯到你不會察覺，細微到又不至於等於沒有。

怎麼在文字進到文件之前攔下來

辨識沒辦法告訴你它沒把握，所以你得在「錯一個字代價很高」的地方親自檢查。

• 有數字或識別碼的一律檢查。 訂單編號、授權金鑰、版號字串、發票金額。只錯一位數字，放在上下文裡根本看不出來，到了下游卻是致命的。
• 檢查長度。 兩個字元的識別碼跑出三個，或反過來，都是很可靠的警訊。
• 檢查不常見的字元。 直線符號、空格、不斷行空格、西里爾字母與拉丁字母的混淆。如果是程式碼，貼進等寬字型的檢視畫面就會一目了然。
• 檢查頭尾。 一行開頭或結尾的字元，在偵測階段最容易被切掉。如果某一行結尾怪怪的，先看最後一兩個字元。
• 放大重新擷取，不要直接放大圖片。 把模糊的一行放大，並不會生出細節，也幾乎不會把錯字救回來；把同一塊區域用 2x 重新擷取，或先在來源端放大再擷取，才會有用。

由此可得的實務結論是：在良好解析度下框一個大一點的範圍，會比框得緊緊的極小截圖更好辨識。裁切能減少雜訊，縮小卻會減少資訊，而分類器吃的正是資訊。

你可以信賴到什麼程度

誠實的總結：

InSnap 的本機辨識對中文、英文與拉丁字母語言處理得不錯，包含帶重音的字元。日文假名、韓文與俄文則不夠可靠。這是內建模型本身的限制，不是某個設定，所以碰到這些文字時，誠實的做法是把複製到的內容再核對一次。

常見問題

文字辨識沒把握的時候會告訴我嗎？

不會。字元分類器永遠都會給出最佳猜測，介面上也沒有另外的複製信心指標。安全的假設是：它回傳的每個字元都是「最有可能的那個」，而不是「保證正確的那個」。

同樣的內容再跑一次，能把錯字修好嗎？

通常不行，因為輸入沒變，而模型對同一批像素的結果是固定的。解法是改變輸入：把同一塊區域用更大的尺寸重新擷取，或先在來源端放大再擷取，然後再辨識一次。

為什麼同一頁的兩張截圖，一張行、一張不行？

最常見的原因是文字在畫面上有幾個像素高，而這取決於螢幕縮放，以及擷取時是 1x 還是 2x。同一頁換個縮放比例、或換到另一台螢幕，就可能跨過那條尺寸界線。

它會讀取圖片和照片裡的文字嗎？

只有在文字夠大、夠清楚，而且背景單純的時候。文字壓在照片、漸層或複雜插畫上，正是錯字最容易出現的地方。

這個功能需要連上網際網路嗎？

不需要。辨識在本機執行，複製這一步也一樣。不會上傳任何東西，離線時的準確度完全相同。

部落格的更多文章