日文、韩文、繁体中文扫描件 OCR 的语言设置与注意事项

快速回答： DocsAll 的 PDF OCR 支持日文、韩文、繁体中文等 10+ 语言选项（基于 tesseract 语言包）。语言选择直接决定成败：日文文档选"日文+英文"，繁体选"繁体中文+英文"——选错语言是 CJK 识别翻车的第一原因。

DocsAll 当前支持的语言选项

PDF OCR 语言选项：简体中文+英文、繁体中文+英文、简繁中文+英文、仅英文、仅简体中文、仅繁体中文、日文+英文、韩文+英文、法文、德文、西班牙文、俄文、阿拉伯文。

图片 OCR 当前支持：中英混合、英文、简体中文。

CJK 识别的特殊性

• 字符集大：CJK 数千字符 vs 拉丁字母几十个，模型更难，出错形态也不同（形近字：日文里的"査/查"）。
• 混排常见：日文文档里汉字+假名+罗马字混排，选"日文+英文"组合而不是纯日文。
• 繁简勿混：繁体文档选简体语言会大量错字；"简繁中文+英文"选项适合简繁混排。

注意事项

• 语言支持 ≠ 完美识别：CJK 识别率受字体（明朝体/黑体差异大）、字号、扫描质量影响比英文更敏感。
• DocsAll OCR 输出纯文本，不保留直排（竖排）结构——竖排文档识别后是逐行文字，顺序需要人工核对。
• 片假名长音符号、全角半角混杂是日文 OCR 的典型错误点，校对时重点看。

常见问题

日文识别出错成中文？ tesseract 的日文模型包含汉字，偶发把假名上下文中的汉字识别成中文简体形——确认语言选了"日文+英文"而不是"简体中文"。 韩文支持得怎么样？ 韩文模型可用，但谚文+汉字混排的老文档识别率有限，重要文档逐段校对。