文档智能提取
有些文档本身就是图：扫描的书、影印的档案、竖排的旧版面。文档提取把这些读出来，还原成能搜、能改的文字与结构。
日文与中文的竖排会转成横排；多栏页面按阅读顺序还原，而不是揉成一大团。
什么时候该用它
和格式转换的分界在于：字是不是还嵌在图里。原件是扫描件、照片、竖排老书——文字还是图像的一部分，得先认出来，用这里。原件已经是规整的电子文档、文字能直接选中，只是后缀不对，走格式转换更快。费用上两边都是 4 积分一页，差别在「页」怎么数：文档提取按原件的页数算；格式转换按整份转出的文字总量算，每满 1600 个字符记一页，零头不计，最少算一页。所以同一份 PDF，平均每页不到 1600 字符的多页文件，走格式转换更省；平均每页超过 1600 字符或只有一页的，走格式转换不会更省。
只提取，不翻译——原文是什么语言，出来还是什么语言。需要译文请用文件翻译。
可以收什么，产出什么
收 PDF、图片（PNG / JPG / WEBP / TIFF 等）、DOCX、EPUB、Markdown；产出 Word / PDF / TXT / Markdown 四选一。按页计费 4 积分一页，单张图片按 1 页。
提交后是后台任务，可以直接关页面，回来去「历史记录」拿结果；完成后可在线预览。
什么情况下提得最准
- 印刷清晰、扫描端正的版面识别率最高。
- 竖排日文、見開き这类阅读顺序特殊的版式会自动纠正，不用自己拆页。
- 图像模糊或手写体较多时，导出前对着原件过一遍更稳妥。
四种导出怎么挑
| 导出格式 | 什么时候选它 |
|---|
| Word | 还要继续改、要排版、要交给别人接着写。 |
| Markdown | 要贴进笔记软件、知识库或自己的写作流程。 |
| TXT | 只要纯文字，喂给别的工具或者做检索。 |
| PDF | 直接拿去阅读和存档。 |
实际效果
1913 年美国人口普查摘要第 437–438 页扫描件经文档提取管道转成可编辑正文与统计表格，展示第 437 页的表 1 和相关说明。
1913 年美国人口普查摘要第 437 页（无文字层的扫描件）：正文文字和粗体小标题识别准确；Table 1 还原为 15 行、5 个数据列的可编辑表格，75 个数字与原件逐格一致。
第 438 页：带两层表头（NUMBER OR AMOUNT. 与 PER CENT OF INCREASE. 下面再分年份）的 1899–1909 对比表，还原为两行表头的可编辑表格，数字与原件逐格一致；脚注标记 (1) 和脚注「Figures not available.」保留。
经格译提取管道生成；展示前对照原件检查表头、数字与脚注。英文原文提取，未翻译。 · 原文：Thirteenth Census of the United States Taken in the Year 1910: Abstract of the Census，美国人口普查局，1913（美国联邦政府作品：由美国人口普查局编写、美国政府印刷局（Govt. Print. Off.）1913 年出版，按美国版权法第 105 条不受版权保护；Internet Archive 该条目（加州大学图书馆扫描）标注 possible-copyright-status = NOT_IN_COPYRIGHT。）
常见问题
竖排日文能正确还原顺序吗？
能。竖排日文、見開き这类阅读顺序特殊的版式会自动纠正并转成横排，不用自己拆页；多栏页面按阅读顺序还原，而不是揉成一大团。
怎么收费？
按页计费，4 积分一页，单张图片按一页算。
提取完能直接翻译吗？
本页不做翻译。需要译文时，把提取出的 Word 或 Markdown 拿到文件翻译再跑一次即可。
相关内容
English · Français · Deutsch · Русский · 日本語 · 한국어 · العربية · 繁體中文
Geyi is a proprietary AI document platform owned and operated by Nayuta Technology and Culture Company Limited.