展开本页目录
开始前准备什么
- 独立练习目录及Python 3.14；系统与Node依赖以README为准。
- 离线重放无需Key；新请求使用自己的apizt Key，先核对模型权限和当前价格。
- 原创合成材料，不需要登录第三方平台账号。
- 先看文件
- 按步骤操作
- 对照真实结果
- 离线或模型复跑
下载本例输入、代码、真实回执和产物
默认离线重放；包含完整失败尝试与本地检查，不含Key。
1. 核对本例材料与目标文件
参见本批TOPIC-RESEARCH.md同编号新增边界，原生小样与负例均独立交付。
先下载合成材料在独立目录练习。原始文件、模型输入与验收答案分别保留；本地核对答案不发送给模型。
input.json（节选）
json
{
"fixture": "程序生成三张原创短文本图，逐字符golden仅供本地统计"
}
实际输入、原始文件和本例操作约束的浏览器截图
2. 按顺序完成这项具体操作
本次实际使用Python 3.14，依赖版本固定在资料包。需要LibreOffice或Node的案例请先按README安装对应运行时。python run.py读取真实旧响应完成本地处理；只有显式--live才发新请求。
- 1. 程序生成text-A.jpg、text-B.jpg、text-C.jpg三张原创短文本图，本地参考文字含19.50元、7.0%和100件，参考答案不发送给模型。
- 2. 将三张实际图片一起交给apizt逐字转录，按A/B/C返回结果，不改写数字、小数点、短横线、单位和百分号。
- 3. 用动态规划将每段实际转录与本地参考逐字符对齐，分别统计替换、插入、删除，并保留具体差异位置。
- 4. 计算严格CER=总编辑数/总参考字符数，再计算NFKC、空白、大小写归一口径；归一仍保留数字与标点错误。
- 5. 打开ocr-alignment.html对照原图、参考、实际转录和差异，保存ocr-metrics.json；使用金额末位改错负例检查数字仍计错，指标计算通过不表示OCR满分。
独立练习目录 · 默认仅离线复核
sh
python3 -m venv .venv
source .venv/bin/activate
python -m pip install -r requirements.txt
python run.py3. 对照真正发送的请求
只输出JSON：texts数组，每项id为A/B/C、text为逐字转录字符串。保留数字、小数点、短横线、元和百分号，不自行改写为同义表达，不计算准确率。
网页实验台只执行这一步模型字段检查。原生文件写入、坐标/公式/格式回读及负例验收由下载包负责。
request-1.json（图片Base64省略，原文件在下载包）
json
{
"model": "gemini-2.5-flash-lite",
"messages": [
{
"role": "system",
"content": "严格只输出单个JSON对象，不要Markdown代码围栏，不要解释。只输出JSON：texts数组，每项id为A/B/C、text为逐字转录字符串。保留数字、小数点、短横线、元和百分号，不自行改写为同义表达，不计算准确率。"
},
{
"role": "user",
"content": [
{
"type": "text",
"text": "严格只输出单个JSON对象，不用代码围栏。只输出JSON：texts数组，每项id为A/B/C、text为逐字转录字符串。保留数字、小数点、短横线、元和百分号，不自行改写为同义表达，不计算准确率。\n只输出JSON：texts数组，每项id为A/B/C、text为逐字转录字符串。保留数字、小数点、短横线、元和百分号，不自行改写为同义表达，不计算准确率。"
},
{
"type": "image_url",
"image_url": {
"url": "[实际图片Base64；完整原始请求在资料包]",
"detail": "high"
}
},
{
"type": "image_url",
"image_url": {
"url": "[实际图片Base64；完整原始请求在资料包]",
"detail": "high"
}
},
{
"type": "image_url",
"image_url": {
"url": "[实际图片Base64；完整原始请求在资料包]",
"detail": "high"
}
}
]
}
],
"temperature": 0,
"max_tokens": 1536,
"provider": {
"sort": "success_rate"
},
"response_format": {
"type": "json_object"
}
}4. 查看原生处理代码与实际文件
下面节选来自本次实际执行的workflow.py分支，需要结合完整脚本运行。模型输出不能代替文件解析器或业务验算。
具体产物：ocr-alignment.html、ocr-metrics.json。
workflow.py · 本例分支节选
python
golden = {'A': 'A-01: 19.50元', 'B': 'B-02: 7.0%', 'C': 'C-03: 100件'}
texts = output.get('texts', [])
by_id = {r.get('id'): str(r.get('text', '')) for r in texts}
check('三张原图各有一份转录', set(by_id) == set(golden) and len(texts) == 3)
rows = []
for key, reference in golden.items():
hypothesis = by_id.get(key, '')
strict = _alignment(reference, hypothesis)
normalized = _alignment(norm(reference), norm(hypothesis))
rows.append({'id': key, 'reference': reference, 'hypothesis': hypothesis, 'strict': strict, 'normalized': normalized})
total_chars = sum((r['strict']['referenceCharacters'] for r in rows))
errors = sum((r['strict']['distance'] for r in rows))
result = {'rows': rows, 'strictMicroCER': errors / total_chars if total_chars else None, 'referenceCharacters': total_chars, 'editErrors': errors, 'normalizedMicroCER': sum((r['normalized']['distance'] for r in rows)) / sum((r['normalized']['referenceCharacters'] for r in rows))}
check('数字/小数点错误在规范化后仍计错', _alignment(norm('19.50元'), norm('19.60元'))['distance'] == 1)
check('严格CER使用总编辑数除总参考字符', result['strictMicroCER'] == errors / total_chars)
table = '<table><tr><th>ID</th><th>参考</th><th>实际转录</th><th>替换/删/增</th><th>CER</th></tr>'
for r in rows:
table += '<tr>' + ''.join(('<td>' + html.escape(str(v)) + '</td>' for v in [r['id'], r['reference'], r['hypothesis'], r['strict']['counts'], r['strict']['cer']])) + '</tr>'
table += '</table>'
text_html(artifact('ocr-alignment.html'), '真实视觉转录与字符错误率', [(r['id'] + ' · 对齐', r['strict']['alignment']) for r in rows])
page = (folder / 'ocr-alignment.html').read_text()
(folder / 'ocr-alignment.html').write_text(page.replace('</h1>', '</h1>' + table, 1))
dump(artifact('ocr-metrics.json'), result)
5. 对照真实结果和检查表
实测2026-10-25T07:56:02.726456+00:00，HTTP200；请求gemini-2.5-flash-lite，返回gemini-2.5-flash-lite。本次5/5项检查通过，指本例执行及验收机制通过，不代表所有模型字段零误差。
最后一次返回用量3589tokens；1份尝试记录的已知用量合计3589。失败记录保留，用量缺失不按0计，本文不推算实际金额。
| 实际检查 | 结果 |
|---|---|
| 真实apizt API响应HTTP200 | 通过 |
| 三张原图各有一份转录 | 通过 |
| 数字/小数点错误在规范化后仍计错 | 通过 |
| 严格CER使用总编辑数除总参考字符 | 通过 |
| 列出的原生产物实际存在 | 通过 |
- 实际检查
- 真实apizt API响应HTTP200
- 结果
- 通过
- 实际检查
- 三张原图各有一份转录
- 结果
- 通过
- 实际检查
- 数字/小数点错误在规范化后仍计错
- 结果
- 通过
- 实际检查
- 严格CER使用总编辑数除总参考字符
- 结果
- 通过
- 实际检查
- 列出的原生产物实际存在
- 结果
- 通过
result.json · 原生处理后实际结果
json
{
"rows": [
{
"id": "A",
"reference": "A-01: 19.50元",
"hypothesis": "A-01: 19.50元",
"strict": {
"distance": 0,
"referenceCharacters": 12,
"cer": 0.0,
"counts": {
"equal": 12
},
"alignment": [
{
"op": "equal",
"ref": "A",
"hyp": "A"
},
{
"op": "equal",
"ref": "-",
"hyp": "-"
},
{
"op": "equal",
"ref": "0",
"hyp": "0"
},
{
"op": "equal",
"ref": "1",
"hyp": "1"
},
{
"op": "equal",
"ref": ":",
"hyp": ":"
},
{
"op": "equal",
"ref": " ",
"hyp": " "
},
{
"op": "equal",
"ref": "1",
"hyp": "1"
},
{
"op": "equal",
"ref": "9",
"hyp": "9"
},
{
"op": "equal",
"ref": ".",
"hyp": "."
},
{
"op": "equal",
"ref": "5",
"hyp": "5"
},
{
"op": "equal",
"ref": "0",
"hyp": "0"
},
{
"op": "equal",
"ref": "元",
"hyp": "元"
}
]
},
"normalized": {
"distance": 0,
"referenceCharacters": 11,
"cer": 0.0,
"counts": {
"equal": 11
},
"alignment": [
{
"op": "equal",
"ref": "a",
"hyp": "a"
},
{
"op": "equal",
"ref": "-",
"hyp": "-"
},
{
"op": "equal",
"ref": "0",
"hyp": "0"
},
{
"op": "equal",
"ref": "1",
"hyp": "1"
},
{
"op": "equal",
"ref": ":",
"hyp": ":"
},
{
"op": "equal",
"ref": "1",
"hyp": "1"
},
{
"op": "equal",
"ref": "9",
"hyp": "9"
},
{
"op": "equal",
"ref": ".",
"hyp": "."
},
{
"op": "equal",
"ref": "5",
"hyp": "5"
},
{
"op": "equal",
"ref": "0",
"hyp": "0"
},
{
"op": "equal",
"ref": "元",
"hyp": "元"
}
]
}
},
{
"id": "B",
"reference": "B-02: 7.0%",
"hypothesis": "B-02: 7.0%",
"strict": {
"distance": 0,
"referenceCharacters": 10,
"cer": 0.0,
"counts": {
"equal": 10
},
"alignment": [
{
"op": "equal",
"ref": "B",
"hyp": "B"
},
{
"op": "equal",
"ref": "-",
"hyp": "-"
},
{
"op": "equal",
"ref": "0",
"hyp": "0"
},
{
"op": "equal",
"ref": "2",
"hyp": "2"
},
{
"op": "equal",
"ref": ":",
"hyp": ":"
},
{
"op": "equal",
"ref": " ",
"hyp": " "
},
{
"op": "equal",
"ref": "7",
"hyp": "7"
},
{
"op": "equal",
"ref": ".",
"hyp": "."
},
{
"op": "equal",
"ref": "0",
"hyp": "0"
},
{
"op": "equal",
"ref": "%",
"hyp": "%"
}
]
},
"normalized": {
"distance": 0,
"referenceCharacters": 9,
"cer": 0.0,
"counts": {
"equal": 9
},
"alignment": [
{
"op": "equal",
"ref": "b",
"hyp": "b"
},
{
"op": "equal",
"ref": "-",
"hyp": "-"
},
{
"op": "equal",
"ref": "0",
"hyp": "0"
},
{
"op": "equal",
"ref": "2",
"hyp": "2"
},
{
"op": "equal",
"ref": ":",
"hyp": ":"
},
{
"op": "equal",
"ref": "7",
"hyp": "7"
},
{
"op": "equal",
"ref": ".",
"hyp": "."
},
{
"op": "equal",
"ref": "0",
"hyp": "0"
…完整内容见实测资料包。
本例实际产物与原始响应的浏览器截图；本地检查和模型答案分开记录
6. 替换输入前，先确认这些边界
仅三张原创短图的严格/规范化CER；数字和标点不删，不代表模型整体OCR排名。
修改材料后应重新制定事实断言和反例。识别错误率、混淆矩阵或拒答类教程允许保留模型实际错误；检查通过指计算和处理正确。没有调用视频模型。
怎样确认已经完成
- 真实apizt API响应HTTP200
- 三张原图各有一份转录
- 数字/小数点错误在规范化后仍计错
- 严格CER使用总编辑数除总参考字符
- 列出的原生产物实际存在
常见问题
AI OCR 字符错误率怎么开始？
程序生成text-A.jpg、text-B.jpg、text-C.jpg三张原创短文本图，本地参考文字含19.50元、7.0%和100件，参考答案不发送给模型。按本页顺序继续，先用下载包离线重放，再替换自己的材料。
网页试跑和下载包有什么区别？
网页只复跑模型字段，不生成全部原生文件；资料包包含实际原生处理和本地验收。
这次通过结果适用于其他材料吗？
仅三张原创短图的严格/规范化CER；数字和标点不删，不代表模型整体OCR排名。