最新

AI 怎么从发票照片里抽出金额和税额

拍照直接问金额,看着省事,识别率全靠拍法。把字段、校验和复核顺序定好,抽出来的数字才能当录入草稿用。

报销季最常见的需求是把票据上的几个数字抄进表格,抄一百张就是一下午。视觉模型确实能读票面,但它的输出只能算草稿,因为数字错一位就要重来。这篇只讲字段抽取这一环怎么做得稳。

入口在哪

  • 支持上传图片的对话产品,附件按钮或相机图标,手机端一般可以直接调用摄像头。
  • 批量场景走接口,把图片地址或二进制内容放进请求,一次一张,返回结构化字段。
  • 表格软件里的智能填充或图片取数功能也能接,但字段映射要自己配,适合固定版式的票据。

具体步骤

  1. 先把拍法固定下来:正对票面、四个角都在画面里、票头别裁掉,避开反光和折痕。拍法稳定比换模型有效得多。
  2. 提示里约定字段和输出格式,写清要哪几个:发票号码、开票日期、金额、税额、价税合计,输出成一行 JSON,缺的字段写空字符串而不是猜。
  3. 一次一张。十张塞进一条请求,后面几张的识别质量会明显下降。
  4. 拿到结果做一次算术校验:金额加税额是否等于价税合计,不等就退回人工,不要让模型自己解释差额。
  5. 批量处理时把文件名或图片编号一起带回来,出错的记录能立刻找回原图核对。
  6. 入账前逐张对原件,模型的数字永远只是录入草稿,签字责任在人。

几个坑

  • 税率怎么定、能不能抵扣这类问题不要问模型,涉及税务口径,问财务或看官方规定,模型给的答案没有依据。
  • 手写票据、翻拍屏幕、多层复印件的识别率差别很大,混在一批里统计准确率会失真,要分类看。
  • 千分位逗号和小数点最容易被改写,比如一万二被读成一千二,算术校验能拦住一部分,拦不住的靠人工。
  • 票据照片里有抬头、税号等企业信息,上传到外部服务前先确认合规要求,别随手发到公开渠道。

怎么验证

拿十张已知金额的票跑一遍,逐张比对手工抄写的结果,统计完全正确、个别字段错、整张错三档。如果完全正确率不足八成,先改拍法和裁切,再考虑换方案。同时确认那十张里至少有两张是皱的或斜的,否则测不出真实水平。

常见问题

电子发票的截图和扫描件哪个更好认?

原始电子版导出的图片最好,文字边缘清晰。扫描件次之,注意分辨率不要太低。手机拍屏幕会产生摩尔纹,是三种里最差的,能用原图就别用翻拍。

一张票上有多个明细行,金额怎么取?

明确告诉它取价税合计而不是某一行明细,并要求把明细行单独列成数组。只问总金额而不说清口径时,它可能给你第一行的金额。

能不能直接让它填进表格文件?

可以让它输出 CSV 或表格结构,但别让它直接改你的原始表格。先生成一份新文件,人工核对无误后再合并,避免覆盖掉已有数据。

一句话总结:拍法统一、字段写死、算术校验加人工复核,票据数字才敢进账。