很多人以为「识别文字」是一个功能，只是准不准的差别。实际是印刷体、手写、表格是三套不同的识别产品，连计费都是分开的。理解这一点，能解释你遇到的大部分「明明看得清却识别不出来」。
三套模型在解决三个不同的问题
印刷体识别面对的是有限的字形集合。同一款字体里的「全」字，在十万页文档里长得一模一样，模型只要认一次就永远认对。所以它的难点在版式：分栏、字号变化、倾斜。
手写识别面对的是每个人不同的写法。同一个「的」字，一百个人有一百种写法，笔画长度、连带方式、倾斜角全都不固定。所以它的难点在个体差异 —— 这就是为什么手写结果强烈依赖字迹是否工整，而印刷体不太依赖内容是谁写的。
表格识别的核心任务不是认字，是先重建结构：找出表格线、判断行列边界、识别跨行跨列的合并单元格，然后把每个字符分配到正确的格子里。它输出的是二维结构。
走错入口的典型表现
三种错法，症状各不相同，可以当成故障对照表：
手写内容走印刷体入口 → 返回空白。字是有的，只是字形分布完全不在模型的假设里。这也是最常见的「工具坏了」误报。
表格截图走普通图片识别 → 文字全对，行列没了。所有内容变成一串上下排列的文字，然后你要手工把几十列拆回去。
印刷体扫描件走手写入口 → 通常也能出结果，但白白用了更贵的产品。表格识别和通用识别是两个独立计费的产品，手写体又是另一个，选错入口等于多花一次钱。
一张混合页面上有手写也有印刷体怎么办
真实材料经常是混的：印好的表单上加了几行手写填空，或者教材正文旁边有手写批注。
没有一次识别能同时最优处理两种内容。 正确做法是拆开：
- 印刷部分（表格结构、正文）走对应入口
- 手写部分单独拍照，走 手写文字识别
- 结果合并
拆的前提是拍照时就分开：想让表格那页进 Excel，就只把表格区域截出来传 手写表格转Excel；批注想留成文字，单独补拍一张只有批注的图。一次截一个区域，比一次拍整页再去切文本省事得多。
判断该走哪条路的三个问题
按顺序问自己：
- 字是印的还是写的？ 写的 → 手写系；印的 → 下一问
- 有表格线、需要保留行列吗？ 有 → 表格系；没有 → 下一问
- 最终要什么？ 纯文本 → 图片转文字；要可编辑 Word 且原文是 PDF → 扫描件PDF转Word；手写内容要 Word → 手写笔记转Word
一个副作用：同一个额度池，每页扣点不同
页数按图片张数与 PDF 实际页数计，一张图片算 1 页。识别不向游客开放，注册（短信验证码登录即完成注册）一次性送 5 点、永久有效，VIP 会员每月另有 20～120 点配额（当月不结转），单次上传不超过 10 页。
六个识别入口扣的是同一个池子，不需要为手写另买一份额度。但每页扣几点按入口不同：通用文字与手写文字每页 1 点、表格识别每页 2 点、手写表格每页 3 点。所以「同一份材料走哪个入口」直接决定花多少点 —— 手写的表格走手写表格入口是 3 点/页，走通用文字入口只扣 1 点/页，但拿不到行列结构。
调用失败的页不扣点数，所以拿不准入口时先试一次是完全合理的策略 —— 0 成本，而且结果落在哪一档，正好告诉你这份材料值不值得继续电子化。