什么是 OCR 软件？
光学字符识别（OCR）是一种文本识别软件，可将纸质文档、照片和视频转换为可搜索的数字文档文件。通过使用 OCR 处理图片或文档，企业可将其转换为机器可读的 PDF，从而能够进行搜索、共享、编辑并将其用于数据分析。
OCR 解决方案可从扫描文档、照片、视频、相机图像文件以及纯图像 PDF 中生成可搜索的数据。使用 OCR 程序无需手动输入数据，即可将数字化信息加载到数据库，满足商业智能、审计、处理、合规之需，甚至可作为更大规模的机器人流程自动化（RPA）的一部分。
此外，提供多种开源和 SaaS OCR 工具，皆有助于企业检测图像中打印或手写的文字，并将其转换为可搜索的、机器可读的文档。在可用选项中，Amazon Textract 是业界领先的标准，适用于需要高度可扩展的深度学习技术来满足其需求的企业。Textract 不仅提供 OCR，还能识别字段内容（如键值对）、信息上下文、表格内的信息等。
Amazon Textract 每天分析数十亿个视频和图像，提供一整套智能文档处理功能。其易于使用的界面非常适合不具备机器学习软件专业知识的用户，直观的 API 操作使用户能够轻松分析图像和 PDF 文件。通过 Amazon 持续为其添加的新功能，Textract 得以不断学习与改进，确保企业能够从中获取最大价值。
OCR 软件的主要功能是什么？
光学字符识别软件包含多种可简化业务流程的功能。
从表单中提取文本。
组织应寻求能够提取表单数据（带上下文信息）的 OCR 软件。将表单转换为文本段落会掩盖其内部数据，并降低数据的可用性。与之相反，OCR 软件会将表单转换为结构化数据格式，以便轻松上传至数据存储进行分析。自动输入数据能降低数据输入过程中出现人为错误的可能性，并加快数据数字化进程。
Amazon Textract 会利用人工智能模型自动检测文档和扫描表单中的键值对。这些键值对（例如，以“姓名”为键，以具体人名为值）有助于为文档提供上下文，并为数据收集、处理和排序提供支持。Textract 会提取数据并将其转换为结构化的 JSON 格式，以便下游商业智能平台轻松摄取和处理数据。
从表格单元格中提取数据
表格是以结构化格式呈现信息的标准方法，在商业发票、税务文件或其他正式文件中尤为常见。部分 OCR 平台难以理解表格的列和行所隐含的格式。先进的 OCR 工具可以从表格和表格单元格中提取文本，同时保留其结构关系。支持此功能的 OCR 引擎对于任何依赖表格提取文本数据的字段都至关重要。
Amazon Textract 可以从表格和单个表格单元格中提取数据，并以 TXT 文件、CSV 或 JSON 格式返回结果（具体取决于哪种格式最适合业务）。表格以块对象的形式返回，能够利用光学字符识别技术区分表格标题和属于特定列或行类别的文字。
自动识别布局
企业通常需要处理格式、样式和内容千差万别的各种文档。例如，一家公司可能既需要处理数字发票，还需要摄取长篇书面文档、处理白皮书，以及审阅包含签名、姓名和地址的合同。了解这些不同的布局以及信息的组织结构是 OCR 引擎的一项基本功能。
Amazon Textract 能够检测不同布局的关键元素并对其进行分类，识别出表格、页眉、页脚、段落、添加的手写内容、标题及签名。通过使用边界框，Amazon Textract 可以定位每个元素的唯一元数据，并且可搜索文档可以映射原始布局。
自动检测签名
签名是合同、验证文件及合规文件中的常见要素。企业需要具备快速检测文档是否包含所需签名，而不必手动通读整份合同的能力。光学字符识别软件可扫描文档以识别签名，无需人工审核合同，从而加速了文档验证流程。
Amazon Textract 可利用其分析能力识别连笔字或其他有助于判定为签名的要素，即时识别页面上的手写标记。随后，Textract 会向用户指示签名在扫描的法律文档中的位置，使其能直接跳转到文档特定区域进行核验。企业可将此流程与 RPA 结合使用，以便在重要文档上找不到签名时自动请求签名。
基于查询的提取
为节省时间，企业可能希望直接查询其数字化文档，即时获取问题的答案。例如，他们无需通读整个文档，只需通过搜索特定日期、名称或其他具体信息进行查询。传统的 OCR 引擎只能对文档进行数字化，而现代软件解决方案还能创建可供用户查询的数据库。
例如，Amazon Textract 可以查询文档中的特定信息。用户可以输入“客户的付款参考号是多少？”，这将触发 Amazon Textract 在文档中搜索该信息并将其返回给用户。在此过程中，Textract 会利用 AnalyzeDocument 和 GetDocumentAnalysis 功能，便于用户在文档中搜索其需要的所有信息。用户可以通过根据公司的文档调整模型输出来创建自定义查询。针对特定使用案例和业务场景，通过额外的注释或标签来调整模型，有助于实现多样化的查询选项。
基于代码的提取支持
借助基于代码的提取支持，企业能够将 OCR 工具集成到后端系统，并将其与 RPA 工作负载、GUI 工具及其他后端系统等其他工具结合使用。通过代码集成 OCR，并利用 API 将该软件与其他应用程序连接起来，有助于扩展 OCR 工具的功能。Amazon Textract 提供了一系列 API，企业可以利用它们进一步简化业务流程，并实现更大型内部程序的自动化。
OCR 如何从表单中提取文本？
如果您的组织有计划使用 OCR 的特定使用案例，应寻找针对该使用案例定制的光学字符识别软件。常见使用案例包括：
发票和收据
发票和收据包含高度结构化的数据，包括账单金额、税务信息、货币明细、账户号码与姓名。Amazon Textract 等 OCR 引擎能够简化此类信息的收集流程，实现数据收集自动化，并优化与财务相关的账单和流程。通过将 OCR 技术与其他商业软件结合使用，公司可以自动扫描发票、发起退款并，并为用户报销与公司相关采购费用。
身份证件
使用 OCR 引擎处理身份证件是企业的另一个常见使用案例。需要从护照、驾照、公民卡或其他身份证件中提取信息的组织，可以使用 OCR 引擎来简化入职流程、合规性、访问控制和数据收集。将 Textract 等 OCR 平台集成到业务中，既能提升客户体验，又能减轻管理人员的负担，因为他们无需再手动处理图像文件。
贷款申请
贷款申请流程涉及收集大量文件，包括银行对账单、身份证件、历年纳税申报表、信用报告、雇主证明信等（具体取决于贷款用途）。采用 OCR 技术处理这些文件，企业可以节省时间，并缩短更新贷款申请进度的周转时间。金融机构亦可依托 Amazon Textract 等工具，避免手动输入数据导致的错误，确保每位申请人都能获得公平的贷款评估。
AWS 如何帮助您满足 OCR 需求？
如果企业充分利用 OCR，将能够加快文档处理、快速从表单中收集数据，并优化任何依赖打印文档、手写文档或扫描文档的业务流程。Amazon Textract 可以检测英语、德语、法语、西班牙语、意大利语和葡萄牙语的打印文本与手写内容。Amazon Textract 还可以从几乎任何发票或收据的商品或服务分项列表中提取隐含数据、明确标注的数据和行项目，而无需采用任何模板或配置。您还可以使用多种高级功能，实现针对特定使用案例的定制化需求。
立即创建免费账户，开始使用 AWS 上的 OCR 软件。