在找 Amazon Textract 的替代方案？
一篇公允、经过事实核查的分析，讲清楚什么时候该选择 Amazon Textract 的替代方案——可验证的逐值坐标、中日韩（中文／日文／韩文）支持、可查询的数据表、统一定价，以及无需 AWS 配置——并用实时演示加以印证。
Amazon Textract 是一项成熟而强大的 OCR 服务，对于一条原生构建在 AWS 上、大规模处理英文文档的流水线来说，把它作为默认选择很合理。但“强大”和“适合你这份活儿”并不是一回事，有那么几条实打实的限制，会让人去寻找 Amazon Textract 的替代方案：
- 不支持中日韩。 Textract 的印刷文本、表单和表格功能覆盖的是一组拉丁字母语言（英语、法语、德语、意大利语、葡萄牙语、西班牙语）；手写、发票／票据（AnalyzeExpense）、证件（AnalyzeID）和 Queries 仅支持英文。中文、日文、韩文都不在名单上。
- AWS 的引力。 用它就意味着要有一个 AWS 账户、IAM、SDK、一个受支持的区域，通常还要用上 S3——如果你只想发一张图、拿回若干字段，这就是实打实的配置成本。
- 按功能叠加、按页计费。 你按页付费，费率取决于你调用的是哪个功能（纯文本 vs. 表单 vs. 表格 vs. queries vs. expense），而把多个功能组合起来会让成本叠加。
- 没有内置的逐值复核界面。 Textract 返回置信度分数；人工介入的复核是一项单独的服务（Amazon Augmented AI / A2I），需要你自己接起来。
这份指南是一次公允的对比——说清楚 Textract 强在哪里，以及像 space-ocr 这样的替代方案适合在哪里使用——而且它一开头就摆出一个你能亲自核对的实时演示，而不是一张你只能选择相信的功能对照表。
先看证据：一次你可以亲自核对的提取
大多数 OCR 厂商都不愿摆到你面前的，就是这样一次提取——每一个数值都能指回它在页面上的确切来源位置。把鼠标悬停在下方任意字段上——票据上的那个框就是这个值被读取的地方，而每个值都带着一个匹配比例，表示它有多大比例确实在页面上被找到了。
Every value 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.
评估 Textract 替代方案时该比什么
两款工具都能读取文档，并返回带坐标的结构化数据。差别在于你如何验证一个值、覆盖哪些语言、数据以何种方式离开工具，以及上手要花多少成本。下表分别列出各自经过核实的事实——把它当成你自己工作负载的核对清单来用。
| 能力 | Amazon Textract | space-ocr |
|---|---|---|
| 边界框 | 有——每个区块附带一个归一化的 0–1 BoundingBox 以及一个 Polygon | 有——每个值附带一个 0–1000 归一化的 bbox 以及带方向的 vertices |
| 逐值置信度 | 每个区块一个识别置信度（%） | match_ratio——该值的字符中实际在页面上被定位到的比例——外加一个 bbox_source 标签 |
| 内置逐值复核界面 | Textract 本身没有；人工复核是一项单独的服务（Amazon A2I） | 内置于应用——点一下单元格，它在原件上的确切区域就会亮起 |
| 票据／发票字段 | AnalyzeExpense（一个单独的 API），仅支持英文 | templateId 取 receipt／invoice，或用你自己的字段，支持任意受支持语言 |
| 明细行 | AnalyzeExpense 的明细行（ITEM / QUANTITY / PRICE） | 一个带 children 的 array 字段，每个单元格单独定位 |
| 中文／日文／韩文 | 未列入（6 种拉丁字母语言；Expense／ID／手写仅支持英文） | 一个引擎自动识别中文、日文、韩文、英文等多种语言 |
| 可查询存储 | 你自己存储和查询结果 | 已存储的数据表可通过 GET /view 在服务端查询（where、sort、select）——不重跑 OCR，不额外收费 |
| CSV 导出 | 你自己从 JSON 构建 | 一键搞定——UTF-8 BOM，明细行已展开 |
| 定价模式 | 按页计费、按功能收费；组合功能会叠加成本；还要叠在一个 AWS 账户之上 | 统一 每张图 ¥10（约 $0.05）；免费额度每月 100 次扫描，无需信用卡；Pro 每月 $39 |
| 配置 | AWS 账户 + IAM + SDK、区域性服务、通常还要 S3 | 一次带 Bearer 密钥的 HTTPS 调用；另有一个 Claude Code 插件 |
关于“可验证”：坐标并不是听模型一面之词得来的。 语言模型会返回每个字段的文本——以及它用到了哪些词元（word token）的提示——但从不返回框本身。引擎随后把这段文本与视觉 OCR 在页面上实际检测到的符号逐字符匹配，于是框落在这些字符被找到的真实像素上，每个值也据此得到一个 match_ratio，表示它有多大比例被定位到了（字段在 ≥ 0.85 时被视为可信匹配）。模型给的词元提示可能有噪声——在重复出现的行之间它有时会张冠李戴——所以系统用列一致性和行一致性检查来验证这些提示，而不是盲目相信它们。重点不在于 AI 不会出错；而在于每个值都会回过头来与页面本身核对，并附上一个分数说明它匹配得有多好。
Textract 才是更好选择的场景
一次公允的对比，会点明现有方案胜出在哪。在以下情况选 Textract：
- 你已经深耕 AWS，想要一套能顺势接进 S3 → Lambda → Textract 的 OCR，并复用你已在运维的 IAM 和 SNS。
- 你的文档是英文／拉丁字母，且需要在极大规模上做表单、表格和 queries。
- 你想要在自己文档类型上训练的自定义适配器，或者需要 AWS 原生的合规与数据驻留保证。
如果这说的就是你，那 Textract 非常合适，替代方案给你带来的增益不大。
space-ocr 反而更合适的场景
当下面这些里有一项或多项对你重要时，Textract 替代方案就显出它的价值：
- 你要处理中文、日文或韩文文档。 space-ocr 用一个引擎跑中日韩和拉丁文字，并自动识别语言——没有语言参数要设置。
- 你想验证，而不只是相信。 每个值都连同它在页面上的框和一个
match_ratio一起返回，点一下单元格就能高亮它被读取的确切位置——审计是内置的，而不是另一项要自己接起来的服务。 - 你不想自建存储。 结果落进一张数据表，你可以在服务端查询它（
GET /view），一键导出为 CSV——不需要数据库，也不需要 AWS 账户。 - 你想要可预估的定价。 每张图统一 ¥10，每月 100 次扫描的免费额度且无需信用卡，外加每月 $39 的 Pro 套餐——没有按功能、按页叠加。
- 你用 Claude 来开发。 有一个两行就装好的 Claude Code 插件，以及一个零依赖的 Python 客户端。
整个调用就是一次 HTTP 请求——没有 SDK，引擎也不需要 PDF 预处理（它接受栅格图像：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"
}'每个值都会带着一个 bbox（0–1000 网格上的 { xmin, ymin, xmax, ymax }）、四个 vertices（构成一个跟随手机斜拍照片倾斜角度的带方向框）、一个 match_ratio 和一个 bbox_source 返回。完整的坐标模型见 一个带边界框的 OCR API；关于异步、由 Webhook 驱动的那一面，见 发票数据提取 API 指南。
语言：最清晰的分水岭
如果你的文档是日文票据、韩文发票或中文表单，这通常就是决定性因素。Textract 的印刷文本、表单和表格功能支持六种拉丁字母语言，而它的手写、AnalyzeExpense、AnalyzeID 和 Queries 功能仅支持英文——中文、日文、韩文都不在受支持名单上。space-ocr 在一个引擎里归一化处理多种文字（全角和半角字符、连字号变体、中日韩间距、竖排汉字、混合文字），自动识别语言，无需传任何提示。
定价：按功能分页计费 vs. 按图统一收费
Textract 采用按页、按用量的计费，费率取决于功能——纯文本检测和表单、表格、queries 或 AnalyzeExpense 的计费各不相同，而在一页上调用多个功能会让成本叠加——而且这一切都叠在一个 AWS 账户之上。space-ocr 则是统一 每张图 ¥10（约 $0.05），无论你抽取多少字段都一样，并带有每月 100 次扫描、无需信用卡的免费额度，以及 每月 $39 的 Pro 套餐，含 1,100 次扫描、团队共享和 100 GB 存储。提取失败不计费，查询已存储的数据表（GET /view）是免费的。
如何把 space-ocr 当作 Textract 替代方案来试用
- 拿到密钥——无需 AWS 账户注册免费额度（每月 100 次扫描，无需信用卡）并取得你的 spocr_ API 密钥。没有 IAM、区域或 S3 要配置。
- 发送图像把文档以 imageType 'url' 或 'base64' POST 到 /ocr/fields。引擎接受栅格图像（JPEG、PNG、GIF、BMP、TIFF、WebP）；语言会被自动识别。
- 套用模板或用你自己的字段常见场景传 templateId 'receipt' 或 'invoice'，或者提供你自己的字段——包括一个带 children 的 array 字段来表示明细行。
- 验证每一个值读取每个值的 bbox、vertices、match_ratio 和 bbox_source。在应用里，点一下单元格就能高亮它被读取的确切位置；低于 0.85 的 match_ratio 会标记出一个值得再看一眼的值。
- 查询或导出——无需自建存储用 /upload 把图像推入一张数据表，用 GET /view 在服务端查询它（where、sort、select），或者下载已展开明细行的 CSV——不需要数据库，也不会因重跑 OCR 而收费。