OCR 云 API 产品评估与评分(草稿)
一、功能性需求横向评分
| 序号 | 需求 | 权重 | 腾讯云 | TextIn | 阿里云 | 百度 | 华为 | Azure |
|---|---|---|---|---|---|---|---|---|
| 1 | 中国税务发票与数电票 | 15 | 5 | 5 | 5 | 5 | 5 | 待核实 |
| 2 | 海外 invoice | 20 | 3 | 待核实 | 待核实 | 待核实 | 待核实 | 5 |
| 3 | 报销票据与混贴分类 | 6 | 5 | 5 | 5 | 5 | 5 | 待核实 |
| 4 | 发票关键字段 | 8 | 5 | 5 | 5 | 5 | 5 | 5 |
| 5 | 明细行与税额 | 8 | 5 | 5 | 5 | 5 | 5 | 5 |
| 6 | 图片与 PDF 输入 | 4 | 5 | 5 | 5 | 5 | 5 | 5 |
| 7 | OFD 与 XML 输入 | 4 | 3 | 5 | 3 | 3 | 3 | 0 |
| 8 | 多页处理 | 4 | 5 | 5 | 5 | 3 | 3 | 5 |
| 9 | Agent 工具调用 | 4 | 5 | 5 | 5 | 5 | 5 | 5 |
**功能性需求权重合计 73 分。**第 9 项满分表示 API 文档具备封装条件,不表示机器人或 Agent 已接通。
二、非功能性需求横向评分
| 序号 | 需求 | 权重 | 腾讯云 | TextIn | 阿里云 | 百度 | 华为 | Azure |
|---|---|---|---|---|---|---|---|---|
| 10 | 厂商托管、免自运维 | 8 | 5 | 5 | 5 | 5 | 5 | 5 |
| 11 | 附件直传与凭据隔离 | 4 | 5 | 5 | 5 | 5 | 5 | 5 |
| 12 | 溯源与人工复核依据 | 4 | 3 | 3 | 5 | 5 | 3 | 3 |
| 13 | 异常、限流与失败处理 | 4 | 5 | 5 | 5 | 5 | 5 | 5 |
| 14 | 数据安全、合规与商用条款 | 3 | 待核实 | 待核实 | 待核实 | 待核实 | 待核实 | 待核实 |
| 15 | 识别准确性 | 2 | 待 PoC | 待 PoC | 待 PoC | 待 PoC | 待 PoC | 待 PoC |
| 16 | 端到端时延与并发 | 1 | 待 PoC | 待 PoC | 待 PoC | 待 PoC | 待 PoC | 待 PoC |
| 17 | 实际费用与集成成本 | 1 | 待核算 | 待核算 | 待核算 | 待核算 | 待核算 | 待核算 |
**非功能性需求权重合计 27 分;全部需求合计 100 分。**第 11 项确认直传接口条件,凭据隔离实现仍待验证;第 12、13 项不代表人工复核闭环、消息去重或失败恢复已实现。
当前汇总
单项加权分 = 评分 ÷ 5 × 权重。国内税票 15、海外 invoice 20,其余需求同比例压缩;评分本身未变。第 1–13 项权重共 93 分,仅汇总已确认的文档证据;其中“待核实”不贡献已确认分,但不判定不支持。第 14–17 项的 7 分尚未评估,不计算完整 100 分总评,也不把文档分折算为百分制最终分。
| 汇总项 | 腾讯云 | TextIn | 阿里云 | 百度 | 华为 | Azure |
|---|---|---|---|---|---|---|
| 已确认功能文档加权分 /73 | 63.4 | 53 | 51.4 | 49.8 | 49.8 | 48 |
| 已确认非功能文档加权分 /20 | 18.4 | 18.4 | 20 | 20 | 18.4 | 18.4 |
| 已确认文档加权分 /93 | 81.8 | 71.4 | 71.4 | 69.8 | 68.2 | 66.4 |
| 调整前口径 /90(国内 12 / invoice 5) | 84 | 83 | 83 | 81 | 79 | 63 |
| 第 1–13 项待核实需求数 | 0 | 1 | 1 | 1 | 1 | 2 |
| 完整 100 分总评 | 未完成 | 未完成 | 未完成 | 未完成 | 未完成 | 未完成 |
文档分反映当前需求和公开证据,不含实测准确率、性能或费用。invoice 权重调高后,国内产品因需求 2 待核实而普遍降分,Azure 差距收窄;这不代表实测质量排序变化。所有产品的数据处理审查均未完成,高分不等于允许上传未脱敏真实票据。
产品说明、评分依据与限制
腾讯云:通用票据识别(高级版)
评估接口:RecognizeGeneralInvoice。依据官方 API 文档。
- 需求 1–5:明确列出增值税专普票、全电专普票、铁路及航空数电票、交通票据和混贴识别。
MixedInvoiceItems返回各票种结构化结果,VatInvoiceItemInfos示例有名称、数量、单价、金额、税率和税额。海外仅确认OverseasInvoice类型,语种 / 国家覆盖仍待补证,所以需求 2 为 3 分。 - 需求 6–9、10–11:云 API 有签名鉴权、Base64 / URL、JSON、SDK;无需人工使用网页。图片 / PDF 可直接输入;
EnableMultiplePage=true最多返回 PDF 前 30 页,默认不开启;OFD 只支持文档列明的电子发票类型且仅第一页,XML 未确认,需求 7 为 3 分。 - 需求 12–13:有
RequestId、页码、票据区域、EnableItemPolygon字段坐标及错误码,默认 5 次/秒。字段级置信度未确认,因此复核依据只记 3 分。不能把多页处理推定为跨页明细自动归并。 - 判断:单接口覆盖多票种,适合作为 Agent 国内票据入口的优先候选;海外类型须进一步核对具体语种与字段。
TextIn:国内通用票据识别
评估接口:bill_recognize_v2。依据快速启动和API / OpenAPI 字段定义。
- 需求 1–5:明确国内财税 / 报销场景,列出 27 大类、40 小类票据,包含
vat_invoice、vat_digital_invoice、铁路及航空数电票。product_list按行定义项目、数量、单价、金额、税率和税额。海外 invoice 专项未确认,需求 2 留待核实。 - 需求 6–9、10–11:厂商托管;
x-ti-app-id/x-ti-secret-code鉴权,直接二进制或 URL,提供 JSON 与示例。支持图片、PDF、OFD、XML,PDF / OFD 多页,文件不超过 50 MB。需求 7 在当前候选中格式覆盖最完整,但 XML 接收不等于凭证标准映射或验签已验证。 - 需求 8 的补充优势:
merge_digital_elec_invoice=1可合并多页全电票,但仅适用于每页都是全电票且票号相同;不能宣称任意多页多票都可自动归并。 - 需求 12–13:可返回页码、票据 / 字段位置,
coord_restore可选原图或切图基准,有错误码及 QPS 超限说明。请求 / 任务唯一标识和字段置信度未确认,所以需求 12 为 3 分。工具侧可自建任务关联,但不算厂商原生能力。 - 判断:国内多格式附件、多页数电票的优先候选;按票计费和套餐并发须注意。
阿里云:票据凭证识别
评估接口:RecognizeInvoice + RecognizeMixedInvoices。依据增值税发票 API、混贴 API及票据专项产品说明。
- 需求 1–5:
invoiceType包含数电专普票;invoiceDetails定义完整明细和税额。混贴支持分割分类,另有火车票、航空行程单专项。海外 invoice 专项未确认。 - 需求 6–9、10–11:使用阿里云官方 API,不将云市场第三方同名服务混为一谈。支持 RAM 鉴权、二进制 body / URL、SDK 和 JSON;
Data是包含 JSON 的字符串,工具层需再次解析。图片 / PDF / OFD 不超过 10 MB,XML 未确认,需求 7 为 3 分。 - 需求 8 的限制:单票接口按
PageNo选页,默认第一页;混贴接口MergePdfPages=true可处理 PDF 前 4 页,设置PageNo时合并不生效。需求 8 的 5 分来自混贴接口,不能推广到单票接口,也不保证按原票跨页归并。 - 需求 12–13:有请求标识、页关联、
sliceRect票据区域、prism_keyValueInfo字段坐标和valueProb字段置信度,附错误码及大小限制,故文档复核依据记 5 分。 - 判断:国内短名单;需要区分两个接口的参数、结果与页码 / 坐标映射,不能视作一个无限制的接口。
百度智能云:增值税与智能财务票据识别
评估接口:vat_invoice + multiple_invoice。依据增值税 API、财务混贴 API及OCR 错误码。
- 需求 1–5:明确支持专普票、全电专普票、购销方与价税字段;
CommodityName、数量、单价、税率、税额等数组按row关联。混贴接口有交通报销票据。海外 invoice 专项未确认。 - 需求 6–9、10–11:托管 REST API,用 API Key / Secret 获取 access token,提交 Base64 并做 URL 编码,有 JSON / 多语言示例。图片 / PDF / OFD 可提交,XML 未确认;PDF / OFD 默认第一页或指定单页,需求 7、8 各为 3 分。
- 需求 12–13:有
log_id、输入页码和票据区域;multiple_invoice的location/probability参数明确请求字段坐标 / 置信度,因此复核依据记 5 分,不以票种分类置信度代替字段置信度。附鉴权、额度、QPS 等错误说明。 - 限制:
vat_invoice编码后上限 8 MB,混贴接口限制更严;不能共用一个大小常量。部分混贴票种只分类不抽字段,例如文档中的购物小票 / POS 小票,不能宣称全部票种详细结构化。 - 判断:国内备选,Agent 工具需处理 token、列数组转行对象及逐页调用。
华为云:增值税发票与智能分类识别
评估接口:RecognizeVatInvoice + RecognizeAutoClassification。依据增值税 API和智能分类 API。
- 需求 1–5:明确增值税专普票、全电专普票及全电旅客运输票,
item_list有明细;分类接口有同图多票、火车票和飞机行程单。海外 invoice 专项未确认,增值税接口明确限中国境内税票。 - 需求 6–9、10–11:公有云 REST API,按 region / project 选择端点并鉴权;支持 Base64 / URL、JSON、SDK。支持图片 / PDF / OFD,XML 未确认;PDF 默认第一页或指定页,多页 OFD 只识别第一页,需求 7、8 各为 3 分。
- 需求 12–13:
advanced_mode=true提供更多字段及置信度,return_text_location=true请求字段位置,分类结果有票据区域和逐票状态 / 错误码。但 PDF 坐标只代表相对位置,OFD 字段坐标为空列表,本轮所引接口页中的请求唯一标识未确认,因此复核依据记 3 分。 - 限制:OFD 可直接解析或转图 OCR,转图路径可能增加时延;不可承诺所有格式都有精确原票定位。
- 判断:国内备选,须明确 OFD 路径与按格式降级的复核方式。
Azure:AI Document Intelligence
评估模型:prebuilt-invoice,v4.0 / 2024-11-30。依据invoice 产品说明、预置模型语种页、官方 invoice schema及SDK / REST 快速启动。
- 需求 1–5:Invoice 语种页包含简繁中文与英文,字段有票号、购销方 / 税号、金额和
Items行级数量、单价、税率、税额;海外 invoice 为 5 分。但中国税票 / 数电专项、国内交通与混贴适配未确认,需求 1、3 待核实。 - 需求 6–9、10–11:托管 REST / SDK、密钥、文件流、JSON、异步分析及结果获取,不要求用 Studio。可输入图片与多页 PDF;invoice 的格式枚举不含 OFD / XML,需求 7 为 0 分,不能把其他模型的格式能力套用。
- 需求 12–13:有任务获取、页关联、字段坐标 / 置信度及异常处理;独立票据区域能力未确认,复核依据为 3 分。轮询应由工具层承载,不让 Agent 猜测完成状态。
- 限制:官方通用付费输入上限 500 MB / 2,000 页,免费层只处理前两页,目标资源配额仍须核实。语种页含中文,但样例 schema 的语言表较窄,按专门语种页作为证据,并保留具体模型版本 / 区域核实项。不能由中文语种直接推出国内税务要素适配。
- 判断:海外 invoice 专项备选,不按本轮国内业务权重判断其海外实测质量。
原清单其他产品的处理
| 产品 / 类别 | 本轮处理与依据 |
|---|---|
| Amazon Textract AnalyzeExpense | 海外英文 invoice 参考,不纳入国内入围横评。官方发票 API有结构化字段和明细,但语种限制将发票接口限制为英文,不能沿用通用 OCR 的中文能力。 |
| Google Document AI Invoice Parser | 海外多语 invoice 参考,不纳入国内入围横评。处理器列表的 Invoice Parser 语种不含中文;Enterprise OCR / Form Parser 的中文支持不能套用。 |
| ABBYY Vantage | 待补证、不评分;不与 FineReader Engine 混作一项。Invoice 技能列出约 30 国、22 种语言,未列中文;许可页另列 Invoice CN,但不能据私有云许可推定对应技能在托管云可直接调用。需确认云租户、版本、API、数电与报价。 |
| 火山引擎 OCR | 待补证、不评分。财务票据资料正文抓取受动态页面限制,本轮未取得数电字段、明细及格式边界的充分证据;不是判定产品不支持。 |
| 讯飞开放平台 OCR | 待补证、不评分。增值税产品页可定位专项产品,但数电明细、版本、实际数据处理方及格式边界尚未充分核对。 |
| PaddleOCR、RapidOCR、Tesseract、EasyOCR、docTR、MinerU、Surya、Marker、Docling、Unstructured 及原开源视觉 OCR 模型 | 原清单的自托管路径移出本轮候选,不评分;不符合免维护 OCR 推理环境的方向。既有本地脚本保留,不删除、不继续测试。另有托管产品的须按独立服务重新核对。 |
| OpenAI / Gemini / Qwen-VL、Mistral OCR、LlamaParse、Reducto、阿里云文档智能、Google Cloud Vision 等通用视觉 / 文档解析路径 | 不作为本轮主选,不评分。本轮要求预置财税 / invoice 字段和明细,不只全文、Markdown 或额外自配抽取逻辑;不据此断言它们完全不能识别发票。 |
费用资料与未完成事项
费用是需求 17 的调查材料,尚不足以横向核算真实成本:
- 腾讯云:计费概述。区分高级版资源包、按量、多页 / 多票的具体折算方式,不能将一次 HTTP 请求自动当一张票。
- TextIn:购买页。按文件中实际票据张数计费,无票据但调用成功也计一次;复核套餐、超额及并发条件。
- 阿里云:按量计费、计费 FAQ。区分单票与混贴接口,按调用次数计费不能与按票服务直接比较,多页参数的计费需确认。
- 百度:价格入口。分别核对单票、混贴、资源包和免费额度,不能套通用 OCR 单价。
- 华为:计费项。按调用、套餐或按需,分别确认增值税与分类服务。
- Azure:定价。按预置模型、页数、区域与层级核算。
需求 14–17 均未完成:没有逐厂商取得实际处理 / 备份地域、保留删除、训练用途、子处理方和完整商用合同证据;没有样本准确率、端到端性能或真实成本结果。厂商宣传准确率不用于打分。
**下一步是另行启动 PoC,本任务不执行。**建议先验证腾讯云、TextIn、阿里云,百度 / 华为保留替补,有海外样本时加入 Azure;名单尚未冻结。后续验证 Lark 原图 / 文件下载、Agent 工具调用、字段 / 明细效果、多票 / 跨页归属、错误与复核、耗时 / 费用,见待启动测试计划。