你有沒有過這種經驗？手邊有一疊發票、收據，或是客戶傳來一張手寫的報價單，你得一個字一個字打進電腦裡。更慘的是，有些文件是日文、英文夾雜中文，你根本看不懂，只能猜著打。每次弄完，眼睛都快瞎了，還可能打錯。

這其實是很多人日常工作的痛點。無論你是會計、業務、學生，還是偶爾要整理資料的上班族，「手動打字」這件事，浪費掉的時間遠比你想像的多。根據一項統計，一個普通人每週平均花費超過兩小時在「把紙本資料輸入電腦」這件事上。一年下來，就是整整五個工作天！

但現在，這個情況可以徹底改變了。AI 的 OCR（光學字元辨識）技術已經成熟到一個不可思議的地步。你不需要買昂貴的掃描機，也不需要裝什麼專業軟體。你只需要一支手機，和一個免費的 AI 工具，就能在 30 秒內，把任何照片上的文字，精準地抓取出來，變成你可以直接複製、貼上、編輯的文字檔。

這篇教學，就是要手把手教你怎麼做。我們會使用一個完全免費、而且可以在你手機上離線運作的 AI 模型，叫做 OvisOCR2。它是 Hugging Face 上最新、最受歡迎的開源 OCR 模型之一，特別擅長處理中、英、日、韓等亞洲語言，而且對「手寫字」的辨識度非常高。你不用擔心資料上傳到雲端被外洩，因為它完全在你的手機上執行，非常安全。

為什麼你需要這招？——三個真實場景

在開始教學之前，我們先來看看，這個技能到底能幫你省下多少時間。想像一下這三個場景：

場景一：報帳地獄 你剛從日本出差回來，手上有一疊 20 張的消費明細，上面全是日文片假名和漢字。以前你得一張一張看，還要對照匯率，打進 Excel 裡。現在，你只要拿出手機，對著每張明細拍一張照，然後丟進 AI 工具裡。30 秒後，所有文字都出來了。你只需要複製貼上，再稍微核對一下數字就好。原本可能要花 40 分鐘的工作，現在 5 分鐘搞定。

場景二：客戶的手寫報價單 你的客戶傳來一張用手寫的報價單照片，字跡有點潦草，還夾雜了幾個英文專有名詞。你頭很痛，因為你看不懂那個「草書」寫的是「10,000」還是「1,000」。用 AI OCR 掃過去，它不僅能辨識出數字，連那個你覺得像鬼畫符的英文單字，它都正確地解讀出來了。你省下了打電話去問客戶的時間。

場景三：上課筆記數位化 你是學生，上課抄了一堆筆記，但字跡太亂，連自己都懶得看。或者，你借了同學的筆記來影印。現在，你只要拍下來，讓 AI 幫你「翻譯」成整齊的文字。你還可以把它們全部整理成一個文件，方便搜尋和複習。

是不是很實用？接下來，我們就進入實戰環節。

第一步：下載並安裝「LM Studio」

要讓 AI 在我們的手機或電腦上離線運作，我們需要一個「容器」來裝載它。這裡推薦一個超級好用的免費軟體——LM Studio。它就像是 AI 模型的 App Store，你可以在裡面搜尋、下載、並執行各種開源模型。

為什麼選 LM Studio？

  1. 完全免費：沒有隱藏收費，沒有試用期。
  2. 離線運作：你的資料完全不會離開你的裝置，保證隱私。
  3. 跨平台：支援 Windows、Mac、Linux，甚至可以用在 Apple Silicon 的 Mac 上，速度飛快。
  4. 介面友善：操作非常直覺，不需要寫任何程式碼。

安裝步驟：

  1. 前往官網：打開你的瀏覽器，搜尋「LM Studio」或直接輸入網址 lmstudio.ai。
  2. 下載版本：根據你的作業系統（Windows 或 Mac）下載對應的版本。如果你是 M1/M2/M3 晶片的 Mac，請下載「Apple Silicon」版本。
  3. 安裝：就像安裝一般軟體一樣，雙擊安裝檔，按照指示下一步、下一步就好了。過程大概 2 分鐘。

安裝完成後，你會看到一個簡潔的介面。左上角有一個搜尋列，那就是我們接下來要去「找模型」的地方。

第二步：找到最強免費 OCR 模型「OvisOCR2」

打開 LM Studio 後，在左上角的搜尋框裡，輸入這串關鍵字：ATH-MaaS/OvisOCR2。

你可能會問：「為什麼要打這麼長一串？」這是模型在 Hugging Face 上的「地址」。LM Studio 會直接連接到 Hugging Face 這個全球最大的 AI 模型資料庫，幫你下載。

按下 Enter 後，你會看到搜尋結果出現了一個叫做 ATH-MaaS/OvisOCR2 的模型。點擊它，你會看到關於這個模型的詳細介紹。

為什麼選 OvisOCR2？ 根據我們今天的新聞情報，這個模型在 Hugging Face 上剛剛發布，一週內就獲得了 167 個讚，下載次數超過 1.3 萬次。它是基於 Qwen3.5 架構開發的，特別針對「圖像到文字」的任務進行了優化，尤其是 OCR（光學字元辨識）。簡單說，它天生就是為了看懂圖片裡的文字而設計的。

點擊模型頁面右邊的「Download」按鈕（通常是一個向下的箭頭圖示），LM Studio 就會開始下載這個模型。檔案大小約 7-8GB，根據你的網路速度，可能需要 10 到 30 分鐘。趁這個時間，你可以去泡杯咖啡，或準備好你要測試的文件。

第三步：載入模型，開始辨識

下載完成後，你會看到模型旁邊出現一個綠色的勾勾，代表已經準備就緒。現在，點擊左側工具列的「Chat」圖示（一個對話框的形狀），進入聊天介面。

  1. 選擇模型：在聊天介面的最上方，有一個下拉選單，點擊它，選擇你剛剛下載的 ATH-MaaS/OvisOCR2。
  2. 載入模型：選好後，點擊旁邊的「Load Model」按鈕。LM Studio 會花幾秒鐘把模型載入記憶體。載入完成後，按鈕會變成「Unload Model」。
  3. 上傳圖片：現在，你應該看到一個類似 ChatGPT 的對話框。在輸入框的左邊，有一個「+」或「圖片」的圖示。點擊它，從你的電腦或手機相簿中選擇一張你想要辨識的圖片。這裡有個小技巧：圖片越清晰，文字越端正，辨識效果越好。 如果你的手寫字很潦草，試著把圖片拍正、光線均勻一點。
  4. 下指令：圖片上傳成功後，你會在輸入框看到一個預覽。現在，你需要在對話框中對 AI 下指令。關鍵來了：指令要精準。 不要只說「幫我看這張圖」，要明確告訴它你的需求。我推薦使用這個「萬用提示詞」：

「請仔細閱讀這張圖片中的所有文字，並將它們完整、準確地輸出成純文字格式。不要遺漏任何內容，包括數字和標點符號。如果遇到無法辨識的字，請用 [無法辨識] 標記。」

這個提示詞之所以有效，是因為它明確了三個重點：任務（閱讀並輸出）、格式（純文字）、錯誤處理（標記無法辨識的字）。你可以根據你的需求修改它，例如：「請將這張收據上的商品名稱、單價、數量和總金額整理成表格。」

輸入提示詞後，按下 Enter 鍵，AI 就會開始「閱讀」你的圖片。根據圖片大小和模型速度，等待 5 到 15 秒，你就會看到它把辨識出來的一整段文字，整齊地顯示在對話框中。

第四步：驗證與應用——讓 AI 幫你檢查

AI 不是神，它偶爾還是會出錯，尤其是遇到極度潦草的字跡或複雜的排版。所以，拿到結果後，永遠要做最後的人工驗證。特別是數字（例如金額、電話號碼）和專有名詞，一定要對照原圖看一遍。

不過，AI 也可以幫你做驗證！這是一個進階技巧：你可以把 AI 輸出的文字，複製貼回同一個對話框，然後問它：

「請檢查我剛剛輸出的這段文字，跟圖片上的內容是否完全一致。如果有不一致或可疑的地方，請標示出來。」

這樣一來，AI 就會扮演「校對員」的角色，幫你找出可能打錯的字。這等於是有兩個 AI 在幫你工作，一個負責打字，一個負責檢查，錯誤率會降到非常低。

確認無誤後，你就可以直接把這些文字複製到 Word、Excel、Google Docs、或是任何你需要的地方。整個流程，從拍照到完成，真的不用 30 秒。

進階技巧：讓 OCR 更強大的秘密

學會基本操作後，還有幾個小技巧能讓你的效率更上一層樓：

技巧一：批次處理大量文件 如果你有 10 張、20 張發票要處理，一張一張上傳太慢了。你可以使用 LM Studio 的「本地伺服器」功能，然後用一個叫做「Open Interpreter」或類似的工具，寫一個簡單的腳本，讓 AI 自動讀取一個資料夾裡的所有圖片，並輸出成一個文字檔。這個對程式設計師來說是小菜一碟，但對一般人來說，最簡單的方式還是手動一張張來，因為 30 秒一張其實已經很快了。

技巧二：對付複雜排版（表格、菜單） 一般的 OCR 可能會把表格的內容全部混在一起。這時，你的提示詞就要更進階。例如，你可以說：「這是一張菜單，請將『菜名』和『價格』分別列出，並用『|』符號分隔，形成一個簡單的表格。」AI 會盡力去理解排版結構，輸出一個接近表格格式的文字。

技巧三：多語言混合文件 OvisOCR2 對中、英、日、韓的混合辨識表現很好。如果你的文件是中日文夾雜，你可以在提示詞中補充：「這份文件包含中文和日文，請保持原文語言輸出，不要翻譯。」

延伸閱讀

常見問題

Q: 我的手機或電腦跑得動這個模型嗎？ A: OvisOCR2 模型大小約 7-8GB，需要至少 16GB 的 RAM 才能流暢運行。如果你的電腦只有 8GB RAM，可能會跑得很喘，甚至無法載入。建議使用 M1/M2/M3 晶片的 Mac，或是有 16GB 以上 RAM 的 Windows 電腦。手機目前還不太適合跑這麼大的模型，但未來會越來越有可能。

Q: LM Studio 和 OvisOCR2 都是免費的嗎？會不會有使用次數限制？ A: 是的，兩者都是完全免費且開源的。LM Studio 沒有任何使用次數或時間限制。你下載模型後，就是完全離線使用，不會有任何收費。這也是開源 AI 最大的魅力所在。

Q: 我可以用其他 OCR 軟體嗎？為什麼要推薦 LM Studio？ A: 當然可以，市面上有很多雲端 OCR 服務，如 Google Vision、Adobe Acrobat 等。但它們通常有收費、檔案大小限制，而且需要上傳資料到雲端。LM Studio + 開源模型的組合，最大的優勢在於 隱私 和 離線使用。你的機密文件不會離開你的電腦，而且沒有網路也能用。

Q: 如果 AI 辨識的結果有錯，我要怎麼修正？ A: 這是正常現象，沒有 100% 準確的 OCR。拿到結果後，請務必「對照原圖」校對一遍。特別是數字和專有名詞。你也可以利用我們在第四步提到的「AI 互相校對」技巧，讓 AI 幫你找出潛在錯誤，再進行人工修正。

Q: 除了收據和筆記，它還能辨識什麼類型的圖片？ A: 非常多！它可以辨識書本掃描頁、名片、合約文件、甚至是一些手繪圖表中的文字。只要圖片上的文字清晰可辨，它基本上都能處理。但對於藝術字體、傾斜角度過大、或被大量圖案遮擋的文字，效果就會比較差。