一张 8000 像素高的长图，比一张 1200 像素的图更容易识别失败。听起来反直觉，但原因很简单：图片总像素不代表字有多少像素。识别能不能成，看的是每一行字占多高。

一条硬门槛：单行文字 10～50 像素

站点的口径写得很明确：单行文字高度建议 10～50 像素，图片长边不小于 1000 像素。低于 10 像素，笔画之间的空隙就合并成一团黑了，人和机器都认不出来。

常见的三类内容正好都卡在这条线附近：

  • 聊天记录长图：手机屏宽约 1080 像素，正文中文一般 15～20 像素高 —— 勉强够用，但转发压缩一轮就掉到线以下
  • 整页 A4 缩略图：把 A4 塞进 800 像素宽的图里，正文只剩 7～9 像素，必然漏识
  • 密集参数表、股票五档、报表截图：字号本身就小，一屏几十行，行高常常只有 12～14 像素

判断只要 10 秒：把图放大到 100%，量一下一个字的高度。自己一眼能看清而机器认不出，是模型或内容类型的问题；自己也要眯眼看，就是这一条。

有效的取图方式：只截你要的那几行

这是提升最大、成本最低的一个动作。

不要截整页再缩小，而是放大后分几次截。 网页和文档在浏览器里 Ctrl 加号放大到正文占满屏宽，然后按屏截图，一次一张，传几张识别几张。同样的内容，这样得到的每一行字都有 25～40 像素，识别率远高于一次塞进整页。

长截图工具生成的超长图也一样：先按逻辑段落切成几张，比原样上传更好认，而且切图不影响内容 —— 单张图太长时浏览器展示和后期处理都麻烦，具体可参考 多张截图怎么拼成一张长图？聊天记录、网页都能用 里的分辨率换算思路，反着用就是拆分。

尺寸的上限也要知道

长边超过 8000 像素会等比缩小后再送去识别。也就是说，超大图不会失败，但也不会更准 —— 缩小这一步会把你多出来的分辨率直接抹掉。所以「拍一张 1 亿像素的原图上传」这条路是白费的，按需要的区域截小图反而更好。

单文件大小另有限制：免费 8MB，VIP 月卡 20MB、半年卡 30MB、年卡/银卡/金卡 50MB。长图很容易超 8MB，先压缩再传，做法见 一次要传几十张照片？批量压缩省时不翻车。

一次传几张、什么时候必须拆

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。把一张长图切成 6 张，就消耗 6 页 —— 这个账要在动手前算，别切到 30 张才发现额度不够。

还有一类内容不是分辨率问题

密集表格截图就算你截得再清楚，走普通图片识别也只会得到一串没有行列的文字。有表格线的必须换入口，用 表格识别转Excel，它会先重建行列结构再读单元格。手写的小字笔记则要改用 手写文字识别，理由见 手写识别和印刷体识别是两个不同的模型：为什么不能拿一种入口转另一种内容。

顺序记下来：先保证每行字够高 → 按区域拆图 → 有表格线换入口 → 关键数字逐字核对。这四步做完，绝大多数「识别不全」的情况都已经解决了。