你有沒有遇過這種情況：手邊有一張名片、一份合約、或是一張手寫的便條紙，上面的資訊你很想把它變成可以編輯的文字，但就是懶得一個字一個字打？以前你可能會想到用掃描機，或者花錢買一套 OCR（光學字元辨識）軟體。但現在，你口袋裡的手機加上 Google 的 Gemini，就能做到這件事，而且完全免費。

這不是什麼遙遠的未來科技，而是你現在馬上就能用的技巧。Gemini 不只是一個聊天機器人，它還具備強大的圖片分析能力，可以「看懂」圖片中的文字，甚至理解它們的結構。今天這篇教學，就是要教你把這台隨身攜帶的「超級掃描機」用起來。

為什麼你需要這個技巧？

先說幾個真實的場景。你可能在咖啡廳看到一張有趣的菜單，想記下新出的飲品名稱；或者你收到一張手寫的生日卡片，想把那些溫暖的文字保存下來；又或者你是個小老闆，客戶傳來一張手寫的訂單，你必須快速把它輸入到 Excel 裡。

以前，這些事情要嘛靠手打，要嘛花錢買軟體。現在，你只需要打開 Gemini，拍張照，然後說：「幫我把這張圖片裡的文字抓出來，整理成表格。」幾秒鐘後，一份乾淨、可編輯的文字就出現了。這不是省幾分鐘的問題，而是讓你從繁瑣的「打字工」變成「指令者」，把時間花在更重要的事情上。

根據 Google 官方數據，Gemini 的圖片理解能力在業界評比中名列前茅，特別是在處理多語言、手寫體和複雜版面時，表現甚至優於許多專業 OCR 軟體。而且你不用付一毛錢，只要有一個免費的 Google 帳號。

第一步：準備你的「掃描機」

你需要的東西非常簡單：一台有相機的智慧型手機，以及一個 Google 帳號。如果你用的是 Android 手機，Gemini 通常已經內建在 Google 助理裡；如果你用的是 iPhone，也沒問題，到 App Store 下載 Google 應用程式，登入你的 Google 帳號，就能找到 Gemini。

打開 Gemini 後，你會看到一個類似對話框的介面。別急著打字，先找到相機圖示。通常在輸入框的左邊或右邊，點擊它，你的手機相機就會打開。這時候，你已經完成所有設定了。接下來，你只需要把鏡頭對準你想掃描的文件。

小提醒：拍照時，盡量保持光線充足，避免陰影或反光。如果文件是紙張，把它放在一個平坦的桌面上，手機拿穩，讓文字清晰可見。Gemini 很聰明，但模糊的照片還是會影響辨識效果。

第二步：拍照與提問的技巧

拍好照片後，Gemini 會自動分析這張圖片。但真正讓它與眾不同的，是你接下來的「提問」。很多人拍完照後，只會說「幫我讀這張圖」，但如果你能給出具體的指令，Gemini 會給你更精準的答案。

舉個例子，你拍了一張餐廳的菜單。如果你只說「讀出文字」，它可能會把整個菜單的文字全部列出來，包含裝飾性的字體和背景文字。但如果你說：「請幫我把菜單上的菜名和價格整理成兩欄的表格，菜名在左，價格在右。」它就會自動過濾掉不需要的資訊，直接產出一個乾淨的表格。

另一個常見的場景是名片。你拍了一張名片，可以這樣說：「這是一張名片，請幫我提取姓名、公司名稱、職稱、電話和 Email，並以條列式呈現。」Gemini 會自動辨識這些欄位，即使名片設計很花俏，它通常也能準確抓到重點。

進階技巧：如果你的文件是手寫的，例如一張購物清單或筆記，你可以說：「這是一張手寫清單，請幫我辨識文字，並用條列式列出。」Gemini 對工整的手寫體辨識率很高，但如果是龍飛鳳舞的字跡，可能需要多試幾次，或者調整角度。

第三步：整理與輸出你的成果

當 Gemini 回覆你之後，你會得到一串乾淨的文字。這時候，你可以直接複製貼上到 Google 文件、Notion、或是任何你常用的筆記軟體。但如果你想要更進一步，Gemini 還能幫你「翻譯」或「總結」。

假設你拍了一張日文菜單，你可以接著說：「請幫我把這個菜單翻譯成繁體中文。」或者，你拍了一張長長的產品規格表，你可以說：「請幫我總結這份規格表的重點，並用五個要點列出。」

最厲害的是，Gemini 可以「記住」你正在處理的上下文。意思是，你可以在同一個對話中，連續對同一張圖片下達不同的指令。例如，先讓它提取文字，再請它翻譯，最後再請它幫你寫一封郵件草稿，內容就是這些資訊。這就像你有一個萬能助理，從頭到尾幫你處理完。

真實案例：從照片到 Excel 只要 10 秒

我前陣子幫一位開小吃店的朋友處理一個問題。他有一張手寫的進貨單，上面有十幾項食材的名稱和數量，他需要把它輸入到 Excel 裡。以前他都是請工讀生手打，一次就要花十幾分鐘。我教他用 Gemini 拍照後，說：「請幫我把這張進貨單的內容，轉成 CSV 格式，欄位是『品名』和『數量』。」結果，Gemini 不僅正確辨識了所有手寫文字，還直接給出了一段 CSV 文字。他把這段文字複製貼到 Excel，前後不到 30 秒。

這件事讓他驚呼：「那我買那個三千塊的掃描機幹嘛？」是的，對於大多數的日常需求，你根本不需要專業設備。Gemini 免費版已經夠強大，足以應付 90% 以上的文字辨識需求。

總結：你的手機就是最強的掃描機

今天這篇教學，你學會了三個步驟：打開 Gemini 的相機、拍下文件、用精準的提問讓它幫你提取文字。這不是什麼高深的技術，而是每個人都能掌握的實用技巧。從此以後，你不用再為了打幾個字而煩惱，也不用再花冤枉錢買軟體。

下一次，當你看到一張有趣的傳單、一份重要的合約、或是一張手寫的便條，別再拿起筆或打開鍵盤。拿起你的手機，打開 Gemini，讓 AI 幫你搞定一切。試試看，你會發現，原來「打字」這件事，可以這麼簡單。

延伸閱讀

常見問題

Q: Gemini 免費版和付費版在 OCR 功能上有差別嗎？ A: 對於基本的文字辨識和提取，免費版已經非常夠用。付費版（Gemini Advanced）主要差別在於可以處理更長的上下文（例如分析整本 PDF 書）、更快的處理速度，以及更強的推理能力。如果你只是偶爾掃描幾張圖，免費版就綽綽有餘。

Q: Gemini 可以辨識手寫的字跡嗎？需要寫得很工整嗎？ A: 可以，但效果取決於字跡的整齊度。工整的印刷體或手寫體，辨識率接近 100%。如果字跡非常潦草或歪斜，可能會出現一些錯誤。建議拍照時保持光線充足，並將文件放平，可以大幅提升辨識率。

Q: 拍照時有什麼技巧可以讓辨識更準確？ A: 有三個要點：第一，光線要充足，避免陰影和反光；第二，手機要拿穩，不要晃動；第三，讓文件佔滿整個畫面，不要拍到太多背景。如果文件是彎曲的（例如書本的內頁），盡量壓平再拍。

Q: Gemini 支援哪些語言的文字辨識？繁體中文和英文可以嗎？ A: Gemini 支援超過 100 種語言，繁體中文、簡體中文、英文、日文、韓文等主流語言都支援得很好。它甚至可以在一張圖中同時辨識多種語言，例如一份中英夾雜的菜單。

Q: 拍完照後，Gemini 會儲存我的圖片嗎？會不會有隱私問題？ A: 根據 Google 的隱私政策，你上傳到 Gemini 的圖片和對話內容，預設是不會被用來訓練模型的。但建議不要上傳包含高度敏感個人資訊（如身分證號碼、銀行帳號）的文件。如果你很在意隱私，可以在使用後手動刪除對話紀錄。