OCR 图片识别失败的原因和解决
识别结果是空白
最常见的 OCR 问题：
| 原因 | 解决 |
|---|---|
| 扫描版 PDF | 没有文字层，OCR 当然识别不出来。先用截图记录 + OCR 转图片中的文字 |
| 图片文字太小/模糊 | 先放大图片或用更高分辨率截图 |
| 语言包没下载 | 检查 OCR 语言配置，首次使用可能需要下载语言包 |
| 模型类型不对 | 纯文字适合 OCR，图文混排/复杂表格适合 VLM |
语言包问题
NoteGen OCR 语言配置：
- 语言代码格式：简体中文
chi_sim，英文eng，可以组合chi_sim,eng - 首次下载：首次使用 OCR 时可能需要下载语言包，等进度条走完再试
- 移动端/macOS 用系统原生 OCR：不需要额外下载语言包，效果通常更好
- 其他环境用 Tesseract：需要 Tesseract 语言包
识别不准
OCR 识别准确率受这些因素影响：
- 图片质量——分辨率低、有压缩、有噪点 → 识别差
- 字体——花体、手写体 → OCR 容易错
- 背景——文字颜色和背景接近、有阴影 → OCR 容易漏
- 排版——复杂表格、多栏、横向文字 → OCR 提取后顺序可能乱
解决
- 换视觉语言模型（VLM）——VLM 对复杂布局和多语言更鲁棒
- 手动裁掉无关区域再 OCR
- 识别后在记录里人工校对一遍
VLM vs OCR 怎么选
| 维度 | OCR | VLM |
|---|---|---|
| 适合 | 纯文字、规则排版 | 图文混排、复杂表格、多语言 |
| 需要 | OCR 引擎 | 视觉模型（有联网成本） |
| 结果 | 纯文字，无结构 | 理解整体内容，可能带语义描述 |
| 速度 | 快 | 较慢 |
| 成本 | 免费（Tesseract/系统 OCR） | 可能有模型调用成本 |
简单文字用 OCR，复杂场景用 VLM。NoteGen 截图记录会让你选哪个来识别。
常见报错
- "OCR 语言未配置" → 设置里填
chi_sim,eng等语言代码 - "Tesseract not found" → Linux 系统需要手动安装 Tesseract（
sudo apt install tesseract-ocr tesseract-ocr-chi-sim） - "需要视觉模型" → 换 VLM 模式试试