手机相册里躺着几千张截图和照片，八成以上是带字的：聊天记录、板书、合同页、发票、快递单。想把里面的字抠出来，过去只能靠手抄，现在拍照就能识别。百度这套 OCR 工具平时分散在好几个入口里，免费和收费混在一起，很多人要么没找到免费的，要么已经在用付费的还不自知。这篇把百度OCR的入口、免费边界和计费逻辑按日常使用场景捋一遍，四类场景对照下来，钱该花在哪、能省在哪，心里就有数了。
先用一张图认清百度OCR的四个形态
| 1 | 手机端：百度APP相机里带"识文字"，拍完直接划选复制，零门槛、单张处理 |
| 2 | 网页端：百度AI开放平台的产品页有在线体验区，传图就出结果，不用装任何软件 |
| 3 | 接口端：实名认证后免费测试资源自动发放，能写程序批量调用，小批量不花钱 |
| 4 | 文档端：图文转换器能把图片和PDF还原成带版式的Word、Excel，表格不用重画 |
一、手机相册里的字想变成文本，先分清这几个入口
手机场景最好用的入口是百度APP自带的"识文字"。打开相机对准书页扫一下，或者从相册里选一张截图，识别出的文字会直接铺在原图上，支持划选复制、翻译、导出文本。处理快递单、菜单、会议白板、黑板板书，这一个入口基本够用，不用注册任何开发者账号，也谈不上什么学习成本。
它的短板也摆在明面上：一次只能处理一张图，长截图和几十页的PDF没法整批丢进去；识别结果只能手动一段段复制，存不成结构化文件，更接不了别的工具。手机端适合"偶尔来一张"，手头积压了大量图片的，得往后看另外两个入口。
电脑浏览器打开百度AI开放平台的文字识别产品页，有在线体验区，把图拖进去立刻出文字，适合一两张图临时要用、又不想折腾账号的情况。再往上一层是接口：注册百度智能云账号、完成实名认证，免费测试资源会自动发到控制台，具体的服务配多少额度，以控制台实际显示为准。三个入口共用同一套识别引擎，准确率没有差别，差别只在操作方式和能不能批量。
| 入口 | 怎么用 | 适合谁 | 明显的边界 |
|---|---|---|---|
| 百度APP识文字 | 相机拍摄或相册选图，识别后复制 | 偶尔处理一两张的普通用户 | 单张处理，长文档要分段 |
| 开放平台在线体验 | 网页传图，即时返回结果 | 电脑前临时用图的办公族 | 体验区不适合大量上传 |
| API接口 | 控制台建应用，程序批量调用 | 有成批图片要处理的人 | 要实名认证，要会接接口 |
二、识别准不准，八成取决于快门按下去之前
同样的书页，有人拍出来一次全对，有人拍出来错字连篇。引擎没换，变的只有图。影响识别率的硬条件其实就几样：分辨率够不够、光线匀不匀、镜头正不正、背景杂不杂，再加上字体本身。印刷体天生好认，这是OCR最擅长的领域；手写体门槛高一截；屏幕截图字太小时会糊成一片。
印刷体
书本、打印件、屏幕显示，这类是OCR的舒适区，正对拍摄基本能全文拿下
手写体
字迹越工整越准，连笔、行压行会明显掉分，草书基本交给人工
表格
结构规整、没有复杂合并的表格还原度高，跨行跨列是难点
倾斜模糊
斜拍、手抖、低分辨率，三类情况叠加，再强的引擎也救不回来
拍照前做对几个动作，比识别后逐字校对省事得多。经验攒下来基本是这四条：
- 正对纸面拍，手机和纸张平行，斜着拍会产生透视变形，这是错字的第一来源
- 开灯或用相机的文档模式，避免阴影横跨字行，阴影盖住的部分会被识别成乱码
- 拍完先把无关背景裁掉再识别，背景里的杂物文字会混进结果
- 传图走原图通道，聊天工具默认压缩图片，压缩后的字会糊，记得勾"原图"或直接读相册原文件
分辨率这条单独说。扫描件和截图对DPI敏感，分辨率太低，笔画直接连成一片。手机摄像头两千万像素以上拍纸质件通常够用，真正要防的是二次压缩：一张图从微信、钉钉里转几手，画质掉得厉害，拿原文件识别和拿压缩图识别，差距肉眼可见。
三、电脑上的截图和PDF，跟手机完全是两套玩法
电脑上碰到的图片文字，形态比手机复杂：网页截图、扫描件PDF、要整理成表格的报销单据、要变成可编辑文档的成册资料。处理之前先问一句：我要的是纯文字，还是要带着排版的成品？这个问题的答案直接决定走哪个入口。
只要文字本身，比如把网页截图里的一段话抠出来存进笔记，通用文字识别就够，返回干净纯文本，速度最快，免费额度也最宽裕。可要是手里是一本几十页的扫描PDF，想转成能改字体的Word文档，或者发票堆要按栏位归进Excel，纯文本就废了，段落顺序、标题层级、表格结构全丢，等于拿到一堆散了架的字。
只要纯文本的场景
网页截图抠文案、PDF里摘一段话、聊天记录存档
走通用文字识别，拿到文本直接用，别为版式多花钱
要还原版式的场景
扫描PDF转Word、图片表格转Excel、成册资料二次编辑
走图文转换器或表格识别，输出保留原版式的文档
图文转换器干的事和通用识别不一样：先识别版面布局，把标题层级、正文段落、表格结构一起还原，再输出成可编辑的Word或Excel。识别完别直接归档，抽几页抽查一下：合并过的单元格、跨页的大表格，是结构还原最容易出错的地方， *** 技术文档里也专门提示这类内容要人工校对。
OCR解决的是"把字弄出来"，版面还原解决的是"弄出来还能直接用"，两件事别混在一口锅里。
四、免费额度用完了会怎样，计费逻辑一次说清
很多人不敢碰接口，是怕"点进去就扣费"。百度智能云的计费文档写得很直白：调用按"免费测试资源、预付费资源包、按量后付费"的顺序依次抵扣。注册账号完成实名认证，免费测试资源在首次进入控制台时自动领取，不同服务配的额度不一样，具体以控制台显示为准。
| 计费方式 | 怎么获得 | 特点 | 适合谁 |
|---|---|---|---|
| 免费测试资源 | 实名认证后自动发放 | 白嫖额度，用超就停止响应 | 试用和小批量场景 |
| 专项资源包 | 按次数购买 | 一年有效，只能用于指定接口 | 单个接口量稳定的业务 |
| 共享资源包 | 按点数购买 | 多个接口共用，单次调用扣点不同 | 同时用多个识别服务的 |
| 按量后付费 | 开通后按月结算 | 阶梯计价，月调用量越大单价越低 | 量大有波动的场景 |
里面有一条对个人最友好：免费状态下额度用超，接口直接"不响应请求"，不会偷偷扣钱。想继续用，才需要手动开通付费。开通后默认保证10路并发（QPS），不够可以买叠加包，单个接口上限提到100路，再往上就得走商务通道了。
开通付费前，把控制台里的免费额度余量和计费说明看一遍。按量付费按自然月阶梯累计，欠费超过整点检查会被停用，停用后只剩每日免费配额可用。服务价格政策会调整，动账之前以官网控制台实时价格为准。
（计费规则口径来源：百度智能云文字识别产品文档计费概述页，页面更新时间为2026年6月）
五、想接接口批量处理，最小可用的一套怎么搭
手里压着上百张图，逐张用APP点就太亏时间了。接接口的流程三步走：在百度智能云控制台创建应用，拿到API Key和Secret Key；用凭证换取访问令牌；拿令牌调通用文字识别接口，把图片按base64传过去。返回的JSON里按顺序装着识别出的每一行文字，自己在循环里丢文件、攒结果就行。
# 1. 控制台创建应用，拿到 API Key 与 Secret Key（放服务端，别进前端）# 2. 用凭证换取访问令牌curl 'https://aip.baidubce.com/oauth/2.0/token' \--data 'grant_type=client_credentials&client_id=你的APIKey&client_secret=你的SecretKey'# 3. 调通用文字识别，image 传图片的 base64 编码curl 'https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic?access_token=令牌' \--data-urlencode 'image=图片base64字符串'# 返回结构里 words_result 按行列出识别文本批量之前先把节奏算清楚：免费额度内随便跑，超出后按量付费走阶梯价，单次成本随月调用量上升而下降，官网有价格计算器，把预估月调用量填进去直接出总价，比拍脑袋准。凭证安全这条别省，令牌放进代码仓库或前端页面，等于把接口额度的大门钥匙挂在了门口。
图转出来的文字只是原料。做内容站的人对这种节奏最熟：同一批识别结果，标题怎么起、段落怎么切、哪些素材值得扩写成一篇，都得有人定策略。UC建站系统接的就是识别之后的这一段，把OCR语料收进内容中台，按"人定策略、AI执行"的方式重组，不同站点给不同角度、不同结构，重组完的成品再走双通道推送出去。识别是前端工序，重组和分发才是决定内容能不能用的后端工序，两头都顺了，批量处理才叫闭环。
六、手写笔记和复杂表格这类硬骨头，能啃到什么程度
先给个实在的边界：印刷体是OCR的舒适区，这一点不用怀疑；手写体看工整程度，一笔一画的正楷识别率高，连笔字和草书识别率掉得厉害，这不是百度一家的问题，是手写识别这个方向本身的难点；表格则看结构，规整的二维表格没问题，带合并单元格、跨行跨列的表头，还原出来经常要动手修。百度在这几个方向都有专项接口，手写文字识别、表格识别，还有发票、身份证、营业执照这类场景化识别，财税报销和证件录入走专项接口比通用识别靠谱。
手写笔记怎么拍才能少错几个字？
字迹本身决定上限：写的时候留足行距，别让上一行的撇捺压到下一行；拍的时候正对纸面、光线均匀，别让手影落在字上。改完稿、标过乱线的笔记，识别前先把批注区裁掉，批注和正文叠在一起最容易出乱码。草书和大量涂改的内容别指望OCR，老老实实转写成文字更省时间。
表格总是认串行列，是哪里出了问题？
合并单元格和跨页大表是结构还原的公认难点，识别引擎要先判断"这个格子跨了几行几列"，判断错了内容就错位。处理办法：能拆则拆，复杂大表先按区域裁开分别识别；识别完拿原表对照抽查行列数；真要进Excel的规整表格，用表格识别类接口，别拿通用识别硬扛。
OCR是提效工具，不是校对依据。金额、合同条款、证件 *** 这类内容，识别结果必须和原件人工核对一遍，报销单据被OCR错一位数字，损失的是自己。凡是涉及钱和责任的文字，默认先怀疑识别结果，再谈效率。
真实的使用节奏应该是：识别结果当草稿用，重点内容人工过目，普通内容扫一眼。把OCR当成"打字员"而不是"审核员"，效率和安全就都保住了。
七、四个日常场景，一张表选对入口
把前面几章的内容收拢成一张表。判断标准就三个：图片量多大、要不要版式、有没有人懂接口。三个问题答完，选哪个入口基本不用犹豫。
| 日常场景 | 选哪个入口 | 注意点什么 |
|---|---|---|
| 手机拍书页、板书、快递单 | 百度APP识文字 | 正对拍、裁背景，单张场景够用 |
| 电脑上几张截图要抠文字 | 开放平台在线体验/通用识别 | 要纯文本就直接复制，别走版式转换 |
| 整本PDF要转Word、表格要Excel | 图文转换器、表格识别 | 复杂表格抽查校对，别直接归档 |
| 每天几十上百张批量处理 | API接口 | 实名领免费额度，超量按量付费，留意并发 |
四个入口共用同一套识别引擎，选择本质上是在"操作成本、批量能力、版式需求"三者之间取平衡。个人日常，百度APP的识文字和实名后自动到账的免费测试资源已经覆盖绝大多数场景；确认自己每周都要处理成批文件，再按量开通也不迟，阶梯单价摆在那里，用多少付多少，不存在"开弓没有回头箭"的绑定。技术这东西，会选比会用值钱，选对入口，省下来的时间够干不少正事。
一句话收尾：别一上来就纠结收费，先用免费的把手头的图处理完，量起来了再谈钱，OCR这笔账怎么算都不会亏。
（文中免费额度、计费与并发口径整理自百度智能云公开产品文档，各项服务的具体额度与价格以官网控制台实时显示为准）
