百智云图像理解：场景篇——票据、合同与表格：纸质文档的数字化工序

发票、合同、银行回单、报名表、手写便签——纸质文档要变成可检索的电子信息，过去依赖扫描仪加人工录入，或者专门的 OCR 软件。图像理解服务把这条链路简化了一大步：拍张照或扫个描，上传后按提示词提取，文字与结构一次到位。

票据：从照片到字段

财务或行政同学最熟悉的场景是报销单据。一张发票照片里，发票号、开票日期、购买方、金额、税额、商品名称散落在固定版式里。用图像理解识别时，提示词写成「按发票要素提取：发票号码、日期、金额（大小写）、税额、购买方名称、商品明细」，模型会按字段输出，比人眼誊抄准确率高，也不会漏掉角落里的编码。

对多张票据，可以先集中拍照上传，再逐张识别，最后统一汇总成报销清单。图像理解在这里替代的是「人工逐字录入」这段最枯燥的工作。

合同与协议：先结构化再细读

合同动辄十几页，要人工逐条核对重点条款，先从拍照或扫描件里把文字完整提出来是第一步。图像理解的识别结果可以作为阅读起点：先把整份合同按页提取成文本，再用「找出涉及金额、期限、违约责任的关键条款」的提示词做第一遍筛选，人再对筛选出的部分精读。

这里的价值不在于让机器理解法律含义，而在于把「找重点」之前的机械工作压缩掉。合同扫描件如果版面复杂，可以按页拆图分别识别，再合并结果，识别准确度通常更稳。

登记表与手写材料

报名表、签到表、问卷这类版式固定的表格，是图像理解发挥稳定的场景。只要表格结构清晰、印刷文字为主，用「把这张表按行转成条目：姓名、部门、联系方式、备注」的提示词，能直接得到一份可粘贴进 Excel 的数据。

手写内容识别效果取决于字迹清晰度，但作为辅助工具仍然有用：先让模型尽力转录，人工只需校对少数不确定的字段，比全部手打还是快得多。

数字化之后的价值

纸质材料识别成文本后，真正的价值才开始：文本可以被搜索、被归档、被进入流程。报销单识别后自动生成台账，报名表识别后直接进名单系统，合同识别后进入文档库供全员检索。图本身是静止的，文字才是流动的。

所以识别只是入口，后续的归档与流程化才决定数字化做得好不好。图像理解服务的一次识别提供了「把图变成文」的原料，剩下的是业务系统的事。

小结

票据、合同、表格、手写材料，图像理解把「纸质到电子」的录入环节自动化。字段化提取、分页识别、结果入系统，三步构成了文档数字化的小闭环。下一篇看电商场景，商品图这类偏视觉的素材怎么被理解利用。