什么是ABBYY FineReader Server？
SDK——ABBYY FineReader Server允许软件开发人员创建并使用应用程序从纸质文档、图像或显示器中提取文本信息此人工智能驱动的OCR SDK可以为您的应用程序提供出色的文本识别、PDF转换和数据捕获功能，使其能够将扫描结果转换为可搜索的PDF、Word或Excel文档，并访问照片或屏幕截图上的数据
为何选择 ABBYY FineReader Server？
无论您是软件供应商、系统集成商，还是自行研发信息技术系统的企业，ABBYY的OCR SDK都能帮助您创建高度准确的文本和数据处理应用程序。 为Windows、Linux或Mac创建桌面或服务器应用程序，并将其部署在云端或虚拟机上。 多种OCR功能可以为许多领域的应用程序增加价值，如DMS、ERP、RPA、保险、银行、医疗保健、法律和机器视觉。 多项高级功能帮助开发人员创建适用于Windows、Linux和iOS平台的应用程序 ABBYY FineReader Server 适用于Windows、Linux、Mac OS和嵌入式平台。 预置或云端。
增值
ABBYY FineReader Engine使您的软件能够将TIFF库转换为PDF、PDF/A、Word或其他格式，并准确提取字段值。可以在Windows、Linux或Mac上进行开发，并在云端或虚拟机平台上提供您的软件
极高的OCR准确度
使用ABBYY FineReader，为您的客户带来卓越的OCR质量。ECM系统、文档成像和捕获解决方案、RPA解决方案以及扫描仪和MFP制造商的顶尖供应商均对ABBYY的OCR技术信任有加。
人工智能与机器学习
人工智能、机器学习及其他先进技术大大提高了多语言文档的识别准确性，并确保文档不仅可搜索、可编辑，还可反映其原始内容。
文档迁移
将文档从一个存储库迁移到另一个存储库，同时跳过重复的、大型的、过时的文件，实现内容的标准化，确保内容可搜索。
数据导出
就识别结果的导出和不同等级的文档布局重建而言，光学字符识别软件开发工具包提供了多种选项，例如文本、XML、不同类型的PDF和PDF/A格式、可编辑的Microsoft Office文档，以及其他保存格式。
数据处理
利用基于人工智能的算法和ABBYY自适应 文档识别技术（ADRT），OCR工具包可以分析单个页面的布局以及整个文档的结构。此流程将界定文本识别区域，并在OCR流程结束时提供关于布局和格式要素的信息以重建最终文档。ABBYY FineReader Engine SDK准确性极高，可以提取多语言机器打印和手工打印的文本（OCR、ICR）以及各种其他信息，包括复选标记（OMR）和条形码（光学条码识别）通过创建自己的词典或识别模式，开发人员可以提高特定语言、罕见字符或字体的识别准确性
数据导出
就识别结果的导出和不同等级的文档布局重建而言，光学字符识别软件开发工具包提供了多种选项，例如文本、XML、不同类型的PDF和PDF/A格式、可编辑的Microsoft <954 /> Office文档，以及其他保存格式。
ABBYY人工智能OCR——客户场景
内容服务、数字归档、数据库管理系统、ECM
通过将文档转换为可以电子方式搜索、检索的压缩PDF或PDF/A文件，您的系统用户便可轻松找到相关信息。
医疗应用
将纸质患者信息（如医生笔记或治疗计划）安全导入到您的电子健康记录和医院管理平台（EHR、HIMS）中。
跨行业应用
捕获自动化文档，将之集成到律所、银行和保险公司的软件中，从而加快法律文档、抵押贷款申请或保险索赔的处理速度。
辅助软件和教育
为视障或有学习障碍的儿童启用您的解决方案，使他们可以访问文件、传单、教科书或屏幕中的文本，并大声朗读出来。
机器人流程自动化
将屏幕抓取和屏幕截图信息的自动提取并添加到您的机器人流程自动化和业务流程管理应用程序中。
搜索、eDiscovery和数据分析
通过将扫描结果和图像转换为可以电子方式搜索、访问的文件，使搜索引擎和数据分析工具能够检测到隐藏在扫描结果和图像中的重要信息。
倍受全球 10,000多家顶尖公司 的信赖
倍受全球 10,000多家顶尖公司 的信赖
常问问题
问 : 传统OCR和AI OCR有什么区别？
答 : 传统光学字符识别 (OCR) 与 AI OCR 之间的区别主要在于技术基础、准确性、灵活性和学习能力。传统 OCR 依赖于模式识别和模板匹配，逐个像素扫描文档以将文本与预定义的字符集进行匹配。这种方法在处理复杂布局、多种字体以及“嘈杂”或质量下降的文档时准确性会降低。它处理各种文档类型和布局的能力也有限。此外，传统 OCR 是静态的，不会随着新数据的增加而不断改进。
相比之下，AI OCR 使用人工智能技术（特别是机器学习和深度学习算法）通过理解文档的上下文和结构来解释文本。这种方法可以显著提高准确性，尤其是在复杂布局、多种字体、手写和低质量图像的情况下。AI OCR 高度适应不同的文档类型、格式和语言，使其成为一种更加灵活的解决方案。此外，它是动态的，通过处理新文档不断学习和改进，从而随着时间的推移提高准确性和效率。 AI OCR 提供了更先进、更准确、更通用的解决方案，可从多样化和复杂的文档中提取文本，从而提高生产效率并减少人工工作量。
问 : AI OCR 如何工作？
答 : 人工智能 OCR 利用机器学习和深度学习算法来准确识别和提取各种文档中的文本。其工作原理如下：
图像预处理：首先处理文档图像以提高其质量。此步骤可能包括降噪、二值化（将灰度或彩色图像转换为黑白）以及校正任何扭曲或倾斜。 文本检测：AI OCR 识别图像中包含文本的区域，并将其与图像、图形和空白区分开来。
字符识别：使用深度学习算法，AI OCR 可识别检测到的文本区域内的单个字符。与将字符与预定义集进行匹配的传统 OCR 不同，AI OCR 使用经过大量数据训练的神经网络来理解各种字体、样式和手写内容。 上下文理解：AI OCR 通过考虑文档中的上下文来解释识别的文本。这意味着理解布局细节，例如段落、表格和标题，以及不同文本元素之间的关系。
语言和语法处理：应用自然语言处理 (NLP) 技术来细化提取的文本。 AI 可以通过考虑所识别语言的语法结构和常用短语来纠正错误。 持续学习：AI OCR 系统会随着时间的推移不断学习和改进。随着处理更多文档，它们在识别和解释文本方面的能力会越来越强，从而提高准确性和效率。
问 : AI OCR和智能文档处理（IDP）有什么区别？
答 : AI OCR 和智能文档处理 (IDP) 都是先进的文档处理技术，但它们的范围和功能存在很大差异。
AI OCR 专注于使用机器学习和深度学习将扫描文档图像、PDF 或照片中的文本转换为可编辑、可搜索的数据，以实现高精度。相比之下，IDP 可自动化整个文档处理工作流程。IDP 使用 AI OCR 提供的文本作为基础，应用 NLP、机器学习正则表达式和规则来理解信息并提取标记的、有意义的数据，这些数据可以传递给下游业务应用程序以做出明智的决策。
虽然 AI OCR 对于文本提取至关重要，但 IDP 提供了全面的解决方案，可将非结构化数据转化为可操作的见解，从而简化业务流程。有关更多信息，请参阅 OCR 与 IDP：有什么区别？
问 : AI OCR 和 Deep-OCR 有什么区别？
答 : AI OCR 和 Deep-OCR 都是强大的技术，用于将各种文档、图像或扫描文本转换为机器可读的格式。虽然两者的用途相似，但它们采用不同的方法。
AI OCR 结合了传统的光学字符识别技术和人工智能算法，从图像或文档中解释和提取文本。它依靠既定的规则和模式来高效地获得准确的结果。
相反，Deep-OCR 使用深度学习技术（尤其是深度神经网络）来识别和提取文本。这些模型在大量数据集上进行训练，使它们能够直接从输入数据中辨别出复杂的模式和特征，从而可能提高准确率。
虽然 Deep-OCR 可以提供更高的准确率，但通常会增加成本和复杂性。实施和维护 Deep-OCR 解决方案通常需要大量的计算资源和专业知识。对于许多组织，尤其是那些预算有限或技术能力有限的组织来说，Deep-OCR 的额外复杂性可能使其成为不切实际的选择。
相比之下，AI OCR 为文本识别需求提供了可靠且经济高效的解决方案。它不仅能提供准确的结果，而且对于不同规模和技术水平的组织来说，它仍可访问和管理。通过利用 AI OCR 技术，企业可以简化文档处理工作流程、增强数据可访问性并提高整体运营效率。
问 : 计算机视觉和AI OCR有什么区别？
答 :计算机视觉是人工智能的一个广泛领域，专注于使机器能够解释和理解来自物理世界的视觉信息。它涵盖了广泛的任务，包括图像识别、对象检测、场景理解等。计算机视觉算法分析和解释来自图像或视频的视觉数据，以提取有意义的见解、识别对象或模式，并根据这些信息做出决策。
AI OCR 是计算机视觉领域的一种专门应用。它专门处理从图像、扫描文档和其他视觉媒体中识别和提取文本。AI OCR 技术使机器能够识别图像中的字符、单词和段落，并将其转换为可编辑、可搜索的文本格式。它在数字化和从文档中提取信息、自动化数据输入过程以及促进数字档案中的基于文本的搜索方面发挥着至关重要的作用。
这两种技术之间的主要区别包括：
范围：计算机视觉涵盖了与理解视觉数据相关的更广泛的任务，包括但不限于文本识别。然而，AI OCR 专注于从图像中识别和提取文本。 应用：虽然计算机视觉算法可以应用于各种任务，例如对象识别、图像分类和场景理解，但 AI OCR 专门针对文本识别和提取目的而量身定制。
输出：计算机视觉算法可能会根据任务产生对象标签、边界框或语义分割图等输出。相比之下，AI OCR 输出图像或文档中文本内容的可编辑和可搜索的文本表示。
问 : AI OCR 的主要用例有哪些？
答 : AI OCR 技术在各个行业都有广泛的应用。一些主要用例包括：
医疗记录数字化：在医疗保健领域，AI OCR 简化了医疗记录（包括病历、处方和实验室报告）的数字化。通过从扫描文档中提取文本，医疗保健提供者可以创建可搜索的数字档案，促进信息检索并改善患者护理协调。 健康保险索赔处理：AI OCR 通过从索赔表中提取相关数据（例如患者信息、治疗代码和账单详细信息）来自动处理健康保险索赔。这加快了索赔处理工作流程，减少了错误，并提高了医疗保健提供者和保险公司的报销准确性。 应付账款自动化：在应付账款部门，AI OCR 通过从发票中提取数据（例如供应商详细信息、发票号和行项目信息）来自动化发票处理工作流程。这可以加快发票审批速度，降低处理成本，并提高发票准确性和合规性。 采购订单处理：AI OCR 通过自动化采购订单处理任务来增强供应链管理。从采购订单中提取产品描述、数量和价格等数据后，将这些信息集成到库存管理系统中，实现高效的订单履行和库存跟踪。 收据和费用管理：AI OCR 通过从收据和费用报告中提取交易日期、金额和商家名称等数据，简化收据和费用管理流程。这使企业能够简化费用跟踪、提高财务可见性并确保遵守费用政策。 供应商发票验证：在供应链管理中，AI OCR 通过将提取的发票数据与采购订单和收据信息进行比较来验证供应商发票。这有助于企业发现差异、防止超额计费并确保准确的付款处理，加强供应商关系和财务控制。 运输和物流文件：AI OCR 协助处理运输和物流文件，例如装箱单、提单和海关表格。通过从这些文件中提取相关信息，物流公司可以自动进行货运跟踪、优化路线规划并增强供应链可见性。
功能和优点
无论您是软件供应商、系统集成商，还是自行研发信息技术系统的企业，ABBYY的OCR SDK都能帮助您创建高度准确的文本和数据处理应用程序。为Windows、Linux或Mac创建桌面或服务器应用程序，并将其部署在云端或虚拟机上。多种OCR功能可以为许多领域的应用程序增加价值，如DMS、ERP、RPA、保险、银行、医疗保健、法律和机器视觉。
多项高级功能帮助开发人员创建适用于Windows、Linux和iOS平台的应用程序
全套识别技术
此SDK屡获殊荣，可整页或逐字段精准地识别机器打印文本（OCR）和手工打印文本（ICR）。此外，此SDK还提供有条形码识别（光学条码识别）功能。
强大的PDF处理工具
此SDK可将文档转换为可搜索的PDF和PDF/A格式。导入PDF时，可以在保留PDF属性的同时注入丢失的文本层。XML数据既可以从导入的PDF/A-3文件中提取，也可以在保存为PDF/A-3格式时插入
人工智能与机器学习
开发人员可以利用SDK灵活且可扩展的架构来转换多个页面（如完整的文档或书籍）。通过使用多核CPU并在多个线程上并行处理图像，可以加速OCR步骤的执行。
支持云和虚拟环境
软件开发人员不仅可以内部部署还可以选择在虚拟环境中部署其应用程序，或在Microsoft Azure或Amazon Web Services等云平台上托管产品。
高级图像预处理功能
图像预处理功能可优化OCR图像，提高识别精度即使是低清图像，在经过去偏、旋转、失真校正、文本直线校正、页面分割、自适应二值化、ISO降噪及其他图像校正步骤后，也可以提供最佳的OCR结果。
针对快速实施的识别配置文件
预定义的处理配置文件包含预设参数，这些参数可用来在频繁识别任务中获得最佳OCR结果。这些参数可以用来代替识别系统的手动微调，并提供更快的SDK集成。
示例代码库
全套代码示例，其中提供了OCR SDK的使用说明，不同的FineReader Engine技术的图示，这些代码示例可用于开发项目。每个库都包含代码片段，并附有关于如何执行相关任务的系统说明。
详细的SDK文档和支持
详细的文档，有助于简化集成。开发者可以通过ABBYY的知识库和开发者论坛获取更多信息。除这些资源外，ABBYY亦可在免费试用期内为您提供技术支持。
比较文档的功能
新功能“比较文档”允许您比较相同文档的两个版本，并检测其内容的差异。文档可以是不同的格式，例如Microsoft Word、PDF、TIF、JPEG以及任何其他支持的输入文档格式。
*根据目标操作系统的不同，某些功能的可用性和细节可能会有出入。部分新功能可能会在以后的版本中实装。欲了解详细信息，请阅读下方的宣传册。
额外信息和产品规格
常问问题
问 : 传统OCR和AI OCR有什么区别？
答 : 传统光学字符识别 (OCR) 与 AI OCR 之间的区别主要在于技术基础、准确性、灵活性和学习能力。传统 OCR 依赖于模式识别和模板匹配，逐个像素扫描文档以将文本与预定义的字符集进行匹配。这种方法在处理复杂布局、多种字体以及“嘈杂”或质量下降的文档时准确性会降低。它处理各种文档类型和布局的能力也有限。此外，传统 OCR 是静态的，不会随着新数据的增加而不断改进。
相比之下，AI OCR 使用人工智能技术（特别是机器学习和深度学习算法）通过理解文档的上下文和结构来解释文本。这种方法可以显著提高准确性，尤其是在复杂布局、多种字体、手写和低质量图像的情况下。AI OCR 高度适应不同的文档类型、格式和语言，使其成为一种更加灵活的解决方案。此外，它是动态的，通过处理新文档不断学习和改进，从而随着时间的推移提高准确性和效率。 AI OCR 提供了更先进、更准确、更通用的解决方案，可从多样化和复杂的文档中提取文本，从而提高生产效率并减少人工工作量。
问 : AI OCR 如何工作？
答 : 人工智能 OCR 利用机器学习和深度学习算法来准确识别和提取各种文档中的文本。其工作原理如下：
图像预处理：首先处理文档图像以提高其质量。此步骤可能包括降噪、二值化（将灰度或彩色图像转换为黑白）以及校正任何扭曲或倾斜。 文本检测：AI OCR 识别图像中包含文本的区域，并将其与图像、图形和空白区分开来。
字符识别：使用深度学习算法，AI OCR 可识别检测到的文本区域内的单个字符。与将字符与预定义集进行匹配的传统 OCR 不同，AI OCR 使用经过大量数据训练的神经网络来理解各种字体、样式和手写内容。 上下文理解：AI OCR 通过考虑文档中的上下文来解释识别的文本。这意味着理解布局细节，例如段落、表格和标题，以及不同文本元素之间的关系。
语言和语法处理：应用自然语言处理 (NLP) 技术来细化提取的文本。 AI 可以通过考虑所识别语言的语法结构和常用短语来纠正错误。 持续学习：AI OCR 系统会随着时间的推移不断学习和改进。随着处理更多文档，它们在识别和解释文本方面的能力会越来越强，从而提高准确性和效率。
问 : AI OCR和智能文档处理（IDP）有什么区别？
答 : AI OCR 和智能文档处理 (IDP) 都是先进的文档处理技术，但它们的范围和功能存在很大差异。
AI OCR 专注于使用机器学习和深度学习将扫描文档图像、PDF 或照片中的文本转换为可编辑、可搜索的数据，以实现高精度。相比之下，IDP 可自动化整个文档处理工作流程。IDP 使用 AI OCR 提供的文本作为基础，应用 NLP、机器学习正则表达式和规则来理解信息并提取标记的、有意义的数据，这些数据可以传递给下游业务应用程序以做出明智的决策。
虽然 AI OCR 对于文本提取至关重要，但 IDP 提供了全面的解决方案，可将非结构化数据转化为可操作的见解，从而简化业务流程。有关更多信息，请参阅 OCR 与 IDP：有什么区别？
问 : AI OCR 和 Deep-OCR 有什么区别？
答 : AI OCR 和 Deep-OCR 都是强大的技术，用于将各种文档、图像或扫描文本转换为机器可读的格式。虽然两者的用途相似，但它们采用不同的方法。
AI OCR 结合了传统的光学字符识别技术和人工智能算法，从图像或文档中解释和提取文本。它依靠既定的规则和模式来高效地获得准确的结果。
相反，Deep-OCR 使用深度学习技术（尤其是深度神经网络）来识别和提取文本。这些模型在大量数据集上进行训练，使它们能够直接从输入数据中辨别出复杂的模式和特征，从而可能提高准确率。
虽然 Deep-OCR 可以提供更高的准确率，但通常会增加成本和复杂性。实施和维护 Deep-OCR 解决方案通常需要大量的计算资源和专业知识。对于许多组织，尤其是那些预算有限或技术能力有限的组织来说，Deep-OCR 的额外复杂性可能使其成为不切实际的选择。
相比之下，AI OCR 为文本识别需求提供了可靠且经济高效的解决方案。它不仅能提供准确的结果，而且对于不同规模和技术水平的组织来说，它仍可访问和管理。通过利用 AI OCR 技术，企业可以简化文档处理工作流程、增强数据可访问性并提高整体运营效率。
问 : 计算机视觉和AI OCR有什么区别？
答 :计算机视觉是人工智能的一个广泛领域，专注于使机器能够解释和理解来自物理世界的视觉信息。它涵盖了广泛的任务，包括图像识别、对象检测、场景理解等。计算机视觉算法分析和解释来自图像或视频的视觉数据，以提取有意义的见解、识别对象或模式，并根据这些信息做出决策。
AI OCR 是计算机视觉领域的一种专门应用。它专门处理从图像、扫描文档和其他视觉媒体中识别和提取文本。AI OCR 技术使机器能够识别图像中的字符、单词和段落，并将其转换为可编辑、可搜索的文本格式。它在数字化和从文档中提取信息、自动化数据输入过程以及促进数字档案中的基于文本的搜索方面发挥着至关重要的作用。
这两种技术之间的主要区别包括：
范围：计算机视觉涵盖了与理解视觉数据相关的更广泛的任务，包括但不限于文本识别。然而，AI OCR 专注于从图像中识别和提取文本。 应用：虽然计算机视觉算法可以应用于各种任务，例如对象识别、图像分类和场景理解，但 AI OCR 专门针对文本识别和提取目的而量身定制。
输出：计算机视觉算法可能会根据任务产生对象标签、边界框或语义分割图等输出。相比之下，AI OCR 输出图像或文档中文本内容的可编辑和可搜索的文本表示。
问 : AI OCR 的主要用例有哪些？
答 : AI OCR 技术在各个行业都有广泛的应用。一些主要用例包括：
医疗记录数字化：在医疗保健领域，AI OCR 简化了医疗记录（包括病历、处方和实验室报告）的数字化。通过从扫描文档中提取文本，医疗保健提供者可以创建可搜索的数字档案，促进信息检索并改善患者护理协调。 健康保险索赔处理：AI OCR 通过从索赔表中提取相关数据（例如患者信息、治疗代码和账单详细信息）来自动处理健康保险索赔。这加快了索赔处理工作流程，减少了错误，并提高了医疗保健提供者和保险公司的报销准确性。 应付账款自动化：在应付账款部门，AI OCR 通过从发票中提取数据（例如供应商详细信息、发票号和行项目信息）来自动化发票处理工作流程。这可以加快发票审批速度，降低处理成本，并提高发票准确性和合规性。 采购订单处理：AI OCR 通过自动化采购订单处理任务来增强供应链管理。从采购订单中提取产品描述、数量和价格等数据后，将这些信息集成到库存管理系统中，实现高效的订单履行和库存跟踪。 收据和费用管理：AI OCR 通过从收据和费用报告中提取交易日期、金额和商家名称等数据，简化收据和费用管理流程。这使企业能够简化费用跟踪、提高财务可见性并确保遵守费用政策。 供应商发票验证：在供应链管理中，AI OCR 通过将提取的发票数据与采购订单和收据信息进行比较来验证供应商发票。这有助于企业发现差异、防止超额计费并确保准确的付款处理，加强供应商关系和财务控制。 运输和物流文件：AI OCR 协助处理运输和物流文件，例如装箱单、提单和海关表格。通过从这些文件中提取相关信息，物流公司可以自动进行货运跟踪、优化路线规划并增强供应链可见性。