[AI工具箱] DocStranger：发票合同手写稿，分分钟秒变整齐电子档！这个OCR识别神器太省事了

        OCR技术这几年发展很快，从最初只能识别简单文字，到现在已经能处理表格和版面分析。市面上主流的产品比如百度飞浆、阿里云OCR，都在精度和速度上有了很大提升。

        NanoNets的DocStranger在现有OCR基础上更进一步，这个工具专门处理那些包含公式、签名、水印的复杂文档。它能把整份文档转换成结构清晰的Markdown格式，包括表格和数学公式都能保留原样。

        对于经常需要处理技术文档的人来说，这确实省去了不少重新排版的麻烦。不用再担心公式错乱或者表格变形，整个文档的结构都能较好地保持下来。

传送门：https://github.com/NanoNets/docstrange

试用地址：https://docstrange.nanonets.com/

开源地址

识别模型

        现在项目已经开源，不过权重方面只有3B和15B的开放了，2+的模型是官网通过网站提供效果演示的。

对比

        官方也提供了不少识别效果方面的对比，官方对比了小红书的识别模型与DocStranger在一些识别效果方面的差异。

主界面

        官方提供了免费10000次的识别服务，日常用用肯定够了，不够就再注册一个号。从官方给的额度来看不仅能看出来是量大管饱，同时也能看出来这个识别模型的算力消耗并不高。

模型选择

        模型方面有多种可选，目前官方识别效果最好的应该是Plus的那个模型了。根据自己需要修改

输出格式选择

        输出格式比较多，主要的MD，CSV，Excel等等这些都是支持的。可以根据实际需要进行选择

第一次识别：

CSV输出

        第一次上传文件后，选择了CSV输出。

第一次识别效果

第一次识别效果

第一次识别效果

        识别出来以后在MD模式下看到内容有缺失，上下的数据信息存在错位的情况。但是切换到RAW以后看原始数据，发现数据以后发现，数据其实是全的，只是前后左右的关系错位了。

        对于购买方和销售方的所有信息都识别的准确无误。只是出现了购买金额的错位

第二次识别：

MD输出

第二次识别效果

第二次识别效果

        可以看到识别的效果异常的好，不仅还原的整个版面结构，所有的数据表的数据顺序也是完全正确的。

合同识别

合同识别效果

合同识别效果

        这份合同有很多遮蔽的模糊文字，无法识别清楚的，docstrange的处理方式就是占位标黑，然后把整个文件的结构都还原出来了。

        不会像其他有些OCR,对于模糊不清的文字随意给一些乱码字符来进行替代，这个功能蛮实用的。当OCR无法准确识别出来的时候，可以提醒用户注意这个位置的内容对比。这个对于强调识别准确性的企业非常实用。

上传

手写识别效果

        手写识别的效果也非常不错，中文的文字识别挺准确的，对于手写的作文转文字内容有时候豆包不行的，可以试试这个工具，效果会比大模型直接识别更好。

上传

等待

效果

        看到这个产品的识别效果这么好，我承认我飘了，所以找了一个特别复杂的表格来识别。

        这个表格存在循环嵌套的问题，就是在一个单元格内会再次进行横向和纵向的分割，我试验了几乎市面上所有的AI工具，都无法识别出来。

        当然Docstrange在这个12页的文档上，大部分的识别表现还是不错的。但是遇到循环嵌套的时候也还是败下阵来了。不过识别的效果还是高于目前常见的识别工具的。

        从用户体验来看，DocStranger成功地平衡了“强大功能”与“易用性”。清晰的网页界面、多样的输出格式选择，使得非技术用户也能轻松上手，快速获得所需结果。而开源代码、本地API调用支持以及详细的官方对比数据，则充分满足了技术爱好者和企业开发者的深度定制与集成需求。

        官方提供的每月10，000次免费处理额度，不仅“量大管饱”，更暗示了其背后技术的高效与成本优化优势，这使其在众多OCR服务中具备了强大的市场竞争力。可以预见，随着模型的持续迭代（如文中提到的Plus模型），DocStranger有望成为处理复杂文档的“默认选项”之一。它或许尚不能完美解决所有极端情况（如循环嵌套表格），但其在当前阶段展现出的强大实力和务实态度，已经足够让人印象深刻，值得每一位有文档处理需求的人将其纳入自己的“AI工具箱”。