上周三加班到九点半。
我抱着客户刚塞过来的半尺厚的纸质会议记录，站在公司楼下的路灯底下犯愁——这些内容要全部录进客户的CRM系统，按我之前逐字打字的速度，至少要熬到十二点。
本来想着掏出手机，点开免费OCR一扫，分分钟就能搞定，结果那天折腾到十一点四十，我还是黑着脸敲完了最后一行字。
你以为OCR是来者不拒的“文字搬运工”？想太简单了
我之前对OCR的认知特别浅薄，总觉得只要是印在纸上的字，不管是啥字体、啥颜色、拍得正不正，它都能给你原封不动抠出来转成可编辑的文字。
真的太天真。
那天客户给的会议记录，有三页是被早上的咖啡泼过的，边缘还因为被折过，字的一半都压在折痕上。我举着手机对着那几页扫了三次，OCR识别出来的字，一半是“■”的方块，一半是完全对不上的同音字。最离谱的是有一页客户用蓝色圆珠笔手写的批注，本来写的是“本季度渠道推广预算上浮15%”，结果OCR扫出来是“本季度渠道推广预算下浮15%”。
我当时盯着屏幕那行字，后颈的汗“唰”就下来了。
人都傻了。
这要是没核对直接录进去，下周项目复盘我铁定要被客户追着骂。
说实话，那天我才反应过来，我们平时随手用的免费OCR，本质上是个“偏科生”——对着排版规整、字色均匀、没有折痕污渍的标准印刷文档，它确实能做到很高的识别准确率，可一旦碰到稍微有点“个性”的内容，它的准确率掉得比股市还快。
你以为它只是“拍个照”就把字抠出来？背后的操作比你想的细
以前我总好奇，为啥同样是免费的OCR，微信扫一扫的识别效果，比那些专门下载的APP好那么多。
后来跟做AI算法的朋友聊了才知道，OCR根本不是你举着手机拍个照，就直接把像素转换成文字那么简单。
它拿到你拍的照片之后，要先过三道关：
头一道，先把你拍歪的照片“掰正”——比如你举着手机斜着拍桌上的文件，它会自动识别文件的四个边角，把透视角度拉平，不然歪歪扭扭的字，连人眼都要眯着看，更别说机器了。
再一道，把背景“擦干净”——比如你拍文件的时候，背景里有路过的同事、桌上的水杯、窗外的树影，它会把这些不属于文字的像素全部模糊掉，只把字的轮廓给勾出来。
等这些都收拾妥当了，才是真正的“认字”——把勾出来的字的轮廓，跟数据库里存的千万字字体做匹配，选出匹配度最高的那个字，给你拼成可编辑的文本。
我上次举着手机扫路边的路牌，当时风大，我手晃得厉害，拍出来的照片半虚半糊，结果它还是自动把路牌的角度给拉正了，把被树影挡住的“中山南路”几个字给精准识别出来了。
说真的，那瞬间我突然有点佩服那些做算法的人——合着我们平时觉得“理所当然”的功能，背后都是拆成了好几个细碎的步骤在跑。
别啥内容都往OCR前面塞，这几类东西它真的认不准
不过话说回来，就算OCR的技术现在已经进步这么多了，它也不是万能的。
我踩过的坑真的能凑一箩筐。
比如手写的内容。
尤其是那种连笔写的行书，或者老人用毛笔写的家书，它的识别率基本靠蒙。上次我朋友拿着她奶奶写的毛笔字家书去扫，本来写的是“天凉了记得穿秋裤，下周回家吃饭”，结果识别出来的内容是“天凉了记得穿秋枯，下周回家吃坂”，看得人哭笑不得。
再比如那种花里胡哨的艺术字。
之前我去那家新开的糖水铺，菜单上的字都是带渐变、带描边的艺术字体，我掏出手机想扫一下有没有隐藏的优惠，结果扫出来的字一半是乱码，一半是错的，连“芋泥奶冻卷”都给识别成“芋泥奶冻券”，合着我扫半天是给我发优惠券呢？
还有那种盖了红章的文件。
很多人觉得章是盖在字上面的，应该不影响认字吧？错。只要印章的颜色跟字的颜色稍微接近一点，OCR就很容易把印章的花纹当成字的一部分，识别出来一堆乱七八糟的符号。
对了，还要提醒一句，别太信那些号称“识别率拉满”的免费OCR工具，我之前下过好几个这类APP，结果但凡识别超过三页的内容，就开始弹全屏广告要会员，不然识别出来的文字中间给你插一堆乱码，合着我是来免费给它当流量韭菜的？
真的会谢。
其实到现在，我还是天天用OCR。
毕竟能省一半打字的时间，为啥不用？
只是现在我再也不会扫完就直接复制粘贴用了——但凡碰到重要的内容，我一定会逐行核对一遍。
毕竟机器再聪明，也总有走神的时候，对吧？