帖子

Ler1Shy-linuxdo · 2026-09-07T19:31:00+08:00

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？）

常见模型似乎都对长截屏类图片OCR效果很差

608

Ler1Shy-linuxdo2026-09-07
22798
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？）
主楼
8 60
ArtFr0st2026-09-07
42613
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。
#1
ryanfox2026-09-07
20246
居然还有这种技巧，是大模型对PDF的orc有优化吗
#2
JackBlue2026-09-07
15853
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。
#3
shuxing_ji2026-09-07
4720
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
#4
ArtFr0st2026-09-07
42613
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。
#5
还想成为88VIP2026-09-07
4927
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
#6
Neptune2026-09-07
5723
gpt没问题会代码自己裁切，不是硬读
#7
Shigure_init2026-09-07
11285
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
#8

发表回复

登录后回复