孩子手写潦草、还爱分栏涂改：作文识别是怎么把乱稿理顺成文本的

摘要：

手写作文识别难，主要卡在连笔粘连、多栏排版和涂改三类干扰。中英文手写作文识别通过切边矫正、手写识别与智能分栏，把乱稿整理成按阅读顺序排列的结构化文本，供批改与归档使用。

一、乱稿为什么难读

同样一张作文纸，教师读起来毫不费力，机器读起来却要过好几道坎。原因不在"字难认"，而在于教师的阅读里藏着大量机器拿不到的辅助信息：他认识这个学生，知道作文题是什么，知道上下文说到哪儿了，眼睛还能在潦草的地方来回扫几遍、自动补全。

机器拿到的是图像，能用的只有像素。有三件事最影响它的判断。

1.1 连笔与字迹粘连，字界先丢了

中文书写字与字之间不空格，笔画还可能互相牵连。常见的连笔、行草、字形压缩，会让相邻的字在像素上连成一片。机器要在连续笔画里切出每个字的边界，一旦切错，错的不只是这一个字——后面切分的参考也跟着歪，错误会顺着往下传。

1.2 多栏排版，阅读顺序不是从上到下

作文纸和答题卡常分成两栏甚至多栏，学生的书写顺序是"先写满左栏，再转到右栏"。如果按整幅图像从上往下逐行扫描，右栏的第一行会被插到左栏最后一行之前，得到的文本顺序全乱。更麻烦的是，这种错乱从表面看不出来：每个字都读对了，串起来的句子却不成句。

1.3 涂改，让内容重复或残缺

学生改错的方式很多：整句划掉、在行间补写、用涂改带覆盖后重写、把要加的字挤进字缝。这几种情况对机器的影响各不相同。划掉的内容照读，同一句话会出现两遍；插入的内容漏读，句子就断在中间；覆盖重写的地方新旧笔画叠加，字形不完整，读出来的可能是两套都不对的字。

三类干扰叠加在一起，就构成了"乱稿"：不是字写错了，而是版面结构、内容取舍和排列顺序需要先被重新判断一遍。

二、从乱稿到文本的三步链路

理顺乱稿不是靠一次识别完成的。文档智能（Document AI）在这条链路上给出的是一组分工明确的能力，按处理先后排下来大致是三步。

2.1 切边矫正打底

拍摄作文时最常见的偏差来自镜头：纸张倾斜、透视变形、画面里留了多余的桌面和边缘。文档智能对应的能力是图像切边增强（图像切边矫正），接口为 CropEnhanceImageOCR，默认频率限制 5 次/秒，它只做版面校正这一件事。

把这一步单独做成一个接口，好处是它可以被独立评估：如果识别结果不理想，可以先检查是不是拍摄环节的倾斜和边距把问题带进来了，而不是直接怀疑识别能力。它同样按次计费，单价略低于手写作文识别本身。

2.2 手写识别取字

第二步是真正把字读出来。中英文手写作文识别定位为高精度识别手写长文本，专为教育场景优化，对应接口 HandwritingEssayOCR。

教育场景的书写材料有自己的特点：作文纸带格线或横线，字迹大小不匀，连笔多，页面上往往还有教师或学生自己留下的标记。识别能力面向这类材料设计，输出的目标是把潦草的字恢复到可读的字符。

这些特点落到具体动作上，有几项要先固定。分辨率排在第一：手写字的笔画比印刷体细，起笔收笔的尖锋、连笔处的细连线都是判断字界的依据，分辨率不够时这些细节先丢失，字与字之间本来能分开的地方就粘成了一片——同样的作文纸，站在桌边拍和拿到近处拍，识别结果可能有明显差异。取图稳定性排第二：作文图若存放在外部地址，必须在 3 秒内取回，超时会导致整次调用失败。涂改痕迹则是最难标准化的一类情况：划掉、插入、覆盖重写会不会在输出里留下重复或残缺，要用真实作文纸测一遍才算数。

还有一条容易被忽略：一张图只对应一页，多页作文要按页分别提交，页码可以通过 PdfPageNumber 参数指定。

2.3 智能分栏与阅读顺序输出

第三步解决顺序问题。中英文手写作文识别的能力描述里有一句关键的话：智能分栏并按阅读顺序输出结构化内容。

这句话包含两个动作。分栏是先把画面里的文字块归属到各自的栏位，判断这篇作文是一栏、两栏还是更多；按阅读顺序输出，是在栏位确定之后，按人阅读的自然次序把文字串起来。最终拿到的是可以顺着读下去的文本，而不是按像素位置排布的一堆文字碎片。

到这里，三类干扰都落到了对应环节：版面偏差落在切边矫正，连笔与涂改落在取字，栏位与次序落在最后一步。

三、结构化文本能接什么下游

理顺后的文本，第一站通常是批改环节。手写作文的批改以图片为输入，而诊断动作依赖文本本身的正确性：如果识别环节把字读错了，错别字纠正会指向一个学生本来写对的地方，语病诊断也会顺着错误的句子结构给建议。教师复核时得先花时间区分"是学生写错了"还是"是机器读错了"，效率反而下降。识别这一环稳不稳，直接决定后面每一步的返工量。

第二站是电子化归档。一个学期的手写作文如果只停在纸本上，很难统计和检索。转成结构化文本后，可以按班级、学期、作文题目归档，需要时按关键词找回。对教研组来说，同题作文的横向比较也就有了数据基础。

第三站是作业电子档的合成。一次作业里既有题目又有作文时，两条链路可以配合使用：试卷切题把整页题目拆成独立题目，手写作文识别把作文转成文本，一份作业的题目与作文因此可以一起电子化。

四、规格与成本口径

中英文手写作文识别的接口规格比较集中，拍摄前先对照一遍能省掉不少返工。

版面校正与试卷手写痕迹处理由两项独立能力承担，均为按次计量，可以单独调用：

中英文手写作文识别本身按次计量：后付费 0.24 元/次；预付费资源包分五档，360 元/1000 次、3000 元/1 万次、18000 元/10 万次、96000 元/100 万次、600000 元/1000 万次，有效期均为 1 年。免费额度为 1000 次/用户，在首次开通时一次性发放，有效期 1 年。

量在千篇量级时，先用这 1000 次免费额度验证拍摄规范更划算：倾斜、边距、分辨率这三项在识别环节最容易出问题，先把拍摄规范固定下来，后面的量才起得来。

把资源包折成单次成本，再和后付费放在一起比，档位选择才看得清：1000 次档 360 元折合 0.36 元/次，1 万次档 3000 元折合 0.30 元/次，10 万次档 18000 元折合 0.18 元/次；后付费单价为 0.24 元/次。对照下来会看到一个容易被忽略的门槛——1 万次档虽然低于 1000 次档，却仍高于后付费，这个量级下按量付费反而更省；单次成本真正低于后付费，要到 10 万次档才开始。所以档位选哪一档，取决于一年内能稳定提交的量级，而不是"包越大越划算"。

还有一条计费口径会直接影响实际用量：除成功返回识别结果的请求会计费外，部分调用失败产生的错误码同样按调用量收费。拍摄规范做得越稳，浪费在失败请求上的额度越少——这也算把倾斜、边距、分辨率三项先固定下来的另一层理由。

五、总结

手写作文识别要解决的不是"认字"，而是把一张乱稿重新读成有结构、有顺序的文本：切边矫正处理拍摄带来的偏差，手写识别把字读出来，智能分栏与阅读顺序还原把文字排回该在的位置。三步各自独立计费，也各自可以被单独验证，这为排查问题留出了空间——哪一步出了问题，就回到哪一步的规范上。

如果当前正被手写作文的电子化卡住，可以从拍摄规范入手，先用免费额度试一批真实作文纸，确认倾斜、分辨率与分栏情况都能被稳定处理，再按学期用量规划采购。中英文手写作文识别首次开通即发放 1000 次免费额度、一年内有效，用免费额度就够把拍摄规范与识别链路验证一遍；确认效果后再按需放量，可对照 文档智能特惠活动 的折扣档位：中英文手写作文识别不限新老用户低至 6 折，按用量选规格更划算。