最適合處理收據與發票的 OCR 軟體
收據與發票 OCR 軟體選購指南：可驗證的準確度、明細項目、匯出、API、Webhook、稽核軌跡與透明定價——並以即時 Demo 實際驗證。
凡是要處理紙本的公司，都免不了要處理收據和發票——而這兩種文件用手一筆一筆輸入，實在折磨人。OCR 的價值不言而喻：把文件拍下來，拿到結構化資料，然後就能繼續做下一件事。問題在於，多數 OCR 工具只做到看起來像對的。它丟給你一個廠商名稱、一筆總額，剩下的就要你自己選擇相信。如果只是記個人開銷，這樣沒問題；但換成應付帳款、費用核銷，或任何會被稽核的場景，「模型說是這樣」並不是你能扛得住的答案。
這篇指南就是一份選購檢查清單。它會帶你看清楚：真正把收據與發票 OCR 軟體做到頂尖，跟一個華麗的 Demo 之間，差別到底在哪——可驗證的準確度、明細項目擷取、乾淨的匯出、附帶 Webhook 的真正 API、稽核軌跡，以及你能事先預估的定價——接著示範 space-ocr 如何逐一做到，而且是用一個可即時點選驗證的 Demo，而不是一張截圖。
先看證據：一個你可以親自驗證的真實擷取結果
在列出任何功能之前，先給你看多數廠商不會給你看的東西：一個每個值都能指回它在頁面上原始位置的擷取結果。把滑鼠移到下方任一欄位上——收據上框起來的地方，就是這個值被讀出來的位置。
Each value with a box carries a verified on-page location — bbox + 4-point vertices + match_ratio — on a 0–1000 normalized grid (0,0 top-left → 1000,1000 bottom-right), the same shape the live API returns. Hover a field to trace it back to the pixels it came from.
收據與發票 OCR 該看哪些重點
收據和發票是最難搞的「簡單」文件。版面隨廠商而異，總額藏在小計和稅額之間，明細項目會換行折行，而手機拍出來的照片往往歪斜又帶著反光。一個能完美處理乾淨 PDF 的工具，遇到下一張皺巴巴的感熱紙收據可能就崩潰了。用以下這些標準，看穿行銷話術。
| 重點 | 為什麼重要 | 弱工具 | 強工具 |
|---|---|---|---|
| 可驗證的準確度 | 一個無法追溯的數字，反正你還是得重打一次 | 回傳一個值，頂多附個信心分數 | 回傳每個值連同它在頁面上的位置，可一鍵跳轉 |
| 明細項目 | 發票和收據是表格，不是一堆扁平欄位 | 抓到總額，整列卻丟掉 | 擷取重複的明細列，每個儲存格都帶位置 |
| 匯出 | 資料得離開工具才有用 | 只能複製貼上，或鎖在它自家的檢視器裡 | 透過 API 提供 CSV（Excel／中日韓相容）與 JSON |
| API ＋ Webhook | 真正有量時靠的是自動化，不是一直點 | 只有 UI，或一個簡陋的同步端點 | 帶非同步工作與簽章 Webhook 的 REST API |
| 稽核軌跡 | 審核者需要看到改了什麼 | 默默覆蓋掉 OCR 輸出 | 把原始值保留在人工修改值旁邊 |
| 透明定價 | 編預算最怕意外 | 什麼都要「聯絡我們」 | 公開的單張價格，外加免費方案 |
本文接下來會逐列拆解。
可驗證的準確度，勝過一個信心分數
信心分數告訴你的是：模型覺得自己很確定。它並沒有告訴你 total: 2,045 到底是不是收據上實際印著的那個數字。space-ocr 回答的是一個更嚴格的問題——在每個值旁邊一併回傳：
bbox——一個軸對齊的矩形{ xmin, ymin, xmax, ymax }，建立在 0–1000 normalized 的網格上（0,0 = 左上，1000,1000 = 右下），與影像的實際像素尺寸無關。vertices——四個有序的頂點，組成一個跟著文件傾斜角度走的有方向定界框，所以歪斜的手機照片也能框得乾淨俐落。match_ratio——這個值有多少比例的字元真的在頁面上被定位到（0–1）。當欄位達到 ≥ 0.85 時即視為高信心命中；1.0代表每一個字元都被找到了。
因為位置資訊是隨值一起帶出來的，你可以直接畫出框、引用座標，或者重新檢查一個被標記的欄位，完全不必重跑一次 OCR。這正是 OCR 稽核軌跡 的基礎——也是為什麼上面那個 Demo 不是擺拍出來的假畫面。
這些座標不是聽模型一面之詞得來的。 語言模型只回傳每個欄位的文字——外加它用到了哪些 word token 的提示——但從不自己給出那些框。引擎接著拿這段文字，去跟視覺 OCR 在頁面上實際偵測到的符號做字元層級的比對，於是框會落在這些字元真正被找到的像素上，而每個值也會得到一個 match_ratio，代表它被定位到的程度。模型給的 token 提示可能有雜訊（它有時會在重複的列之間把提示張冠李戴），所以系統用欄一致性與列一致性檢查來驗證這些提示，而不是盲目相信。重點不在於 AI 不會出錯——而在於每個值都被拿回收據上重新核對過，並附上一個分數說明它比對得有多好。
要的是明細項目，不只是總額
廉價收據 OCR 最大的一個缺口，就是表格。誰都抓得到一筆總計；真正的價值在於那些列——每一項商品、數量、單價和折扣。space-ocr 把這些擷取成重複的列，而且每個儲存格都保留自己的位置，所以就算是換行折行或合併的明細項目，依然可以追溯。
你只要用一個 type: "array" 的欄位來請求它們，並在它的 children 裡描述其中一列的內容。想更深入了解這套列模型，請看 從發票擷取明細項目。
{
"fields": [
{ "name": "vendor", "type": "string" },
{ "name": "invoice_date", "type": "string" },
{ "name": "total", "type": "string" },
{
"name": "line_items",
"type": "array",
"children": [
{ "name": "description", "type": "string" },
{ "name": "quantity", "type": "number" },
{ "name": "unit_price", "type": "number" }
]
}
]
}內建範本：省去自己定義 Schema
常見的情況你不必親手寫欄位規格。space-ocr 內附了預先定義好的範本，只要傳一個 templateId 就能套用——包括 receipt（收據）和 invoice（發票），另外還有名片、報價單、採購單、出貨單，以及好幾種身分證件。範本會幫你準備好欄位集和提示詞；如果你同時也傳了自己的 fields，則以你的為準。
整個呼叫就是一個 HTTP request——不用 SDK，也不用對 PDF 做前處理（引擎吃的是點陣影像：JPEG、PNG、GIF、BMP、TIFF、WebP）。
curl -s https://api.space-ocr.com/ocr/fields \
-H "Authorization: Bearer $SPACE_OCR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"image": "https://example.com/invoice.jpg",
"imageType": "url",
"templateId": "invoice"
}'匯出與 API：資料的去處
如果資料被困在工具裡，擷取得再好也沒用。space-ocr 給你兩條乾淨的出口：
- CSV——表格匯出時帶有 UTF-8 BOM，所以 Excel 能正確開啟日文、韓文和中文。陣列（明細項目）列會展開成子列，而任何人工修正都會在輸出中覆蓋掉 OCR 的值。
- 透過 REST 的 JSON——
POST /ocr/fields處理單一文件，POST /upload把影像直接推進一張表格，而GET /view則可在伺服器端查詢已儲存的表格（where、sort、select、limit），不必重跑 OCR，也不必再付一次費。
要應付大量自動化，/upload 預設是非同步的：它為每個檔案回傳一個工作，並在完成時透過 Webhook 通知你——每個空間一個簽章（HMAC-SHA256）端點，事件包括 ocr.completed 和 ocr.failed。這就是「一個你動手點」的工具，和「一條自己會跑」的流水線之間的差別。完整介面請見 發票資料擷取 API 指南 和 API 文件。
稽核軌跡：機器讀到什麼，對比人工改了什麼
最好的收據與發票 OCR，不只記錄自己的輸出——它還記錄修正。當你在 space-ocr 裡編輯一個儲存格時，你的值會跟原始 OCR 值分開儲存，而一個Original（原始）提示框永遠會顯示引擎最初讀到的內容。審核者能並排看到機器的值和人工覆蓋後的值——這正是稽核所要求的。
透明、可預估的定價
可驗證的準確度和一個誠實的價格，往往出自同一種態度。space-ocr 是每張影像 ¥10。有一個每月 100 次掃描、免綁信用卡的免費方案，而 Pro 方案每月 ¥7,980，含 1,100 次掃描、團隊共享，以及 100 GB 儲存空間。更高的用量由 Business 方案以聯絡洽談的方式處理。沒有按欄位計費，沒有按頁加收，而對已儲存表格的查詢（GET /view）是免費的。
如何擷取一張收據或發票
- 送出影像把收據或發票 POST 到 /ocr/fields，imageType 用「url」或「base64」。引擎接受點陣影像（JPEG、PNG、GIF、BMP、TIFF、WebP）。
- 套用範本或欄位傳 templateId「receipt」或「invoice」以使用內建 schema，或提供你自己的 fields——包括一個帶 children 的 array 欄位來處理明細項目。
- 讀取結構化結果每個值都連同它的 bbox、vertices、match_ratio 和 bbox_source 一起回傳，外加一個 field_bboxes 對照表，定位頁面上的每一個欄位。
- 驗證並修正點選任一儲存格，就能高亮出它被讀出來的確切區域；match_ratio 低於 0.85 會把一個值標記出來，值得再看仔細一點。編輯內容會儲存在原始值旁邊。
- 匯出或查詢下載 CSV（UTF-8 BOM，明細項目已展開），或用 GET /view 搭配 where、sort 和 select 查詢已儲存的表格——不必重跑 OCR，也不另外收費。