2. Linux.do
  3. 常见模型似乎都对长截屏类图片OCR效果很差

常见模型似乎都对长截屏类图片OCR效果很差

Ler1Shy 2026-09-07 19:31 1

第一次就识别错了许多处

第二次他调用工具放大图片并裁切 结果依然错误

图片质量没问题 我手机电脑都能正常看清楚（是一段微信聊天记录）1216 x7897 645.8KB

除了手动再次分段截图 还有什么方法吗

（图片中模型为5.6sol 之前用gemini也有同样问题 似乎完全看不清 因为画质被压缩的缘故？）

最新回复 (8)
  • ArtFr0st 09-07 19:42
    1楼

    试试把长截图转换成一个图片型PDF看看，这招在Gemini上很有用，以前几乎不可识别的超长截图基本上都可以准确识别，其他模型没试过但是应该是通用的。

  • ryanfox 09-07 19:43
    2楼

    居然还有这种技巧，是大模型对PDF的orc有优化吗

  • JackBlue 09-07 19:44
    3楼

    很可能是后端解码处理图片时变模糊了，类似很多软件发长图会变模糊，也有可能是缺少长图训练数据。

  • shuxing ji 09-07 19:44
    4楼

    发原图也会被官网压缩的，你把发出去的图片再用网页打开看看，上面字都糊的不成样

  • ArtFr0st 09-07 19:47
    5楼

    我猜测是因为首先不会压画质，然后模型读取PDF是一页页一点点往下看的，虽然长图型PDF没有分页，但是类似我们自己看就是一点一点往下滑一样，所以会更精准。

  • 还想成为88VIP 09-07 19:53
    6楼

    看情况吧，我这gpt和fable都没问题啊，手机截屏的，可能是还不够长吧

  • Neptune 09-07 19:55
    7楼

    gpt没问题会代码自己裁切，不是硬读

  • Shigure_init 09-07 20:02
    8楼

    因为图片会压画质呀，我之前给Claude发，他都明确说长截图因为压画质经过压缩，很糊

* 帖子来源Linux.do
附近帖子
返回
飞读
随机推荐