NOTEGEN.图像识别
在本地 OCR 与在线视觉模型之间选择，并了解平台差异。
开启图像识别后，扫描和图片记录可以自动提取文字或生成描述。
图像识别
默认使用系统 OCR 识别图片；配置 VLM 后会优先使用 VLM，失败时自动回退 OCR。
图像识别
启用图像识别
截图和插图记录时自动识别图片
系统 OCR
系统 OCR
使用当前系统提供的 OCR 能力
可用
VLM 增强（可选）
视觉模型
失败时自动回退系统 OCR
OCR
OCR 适合清晰的印刷文字，速度快、可离线运行且不产生模型费用。
- 桌面环境可能使用 Tesseract 和可下载语言包。
- macOS、iOS 和 Android 构建可使用系统原生识别能力，具体效果由系统版本决定。
- 多个 Tesseract 语言使用逗号分隔，例如
chi_sim,eng。 - 首次新增语言可能需要联网下载数据文件。
VLM
VLM 适合复杂布局、表格、手写内容和需要理解图片语义的场景。选择支持视觉输入的聊天模型；图片会发送给所选模型服务。
如何选择
| 场景 | 推荐 |
|---|---|
| 清晰截图、扫描文档、批量文字提取 | OCR |
| 表格、海报、手写、复杂排版 | VLM |
| 敏感或离线图片 | 本地 OCR |
| 需要描述画面而非只提取文字 | VLM |
识别结果会保存到记录中，整理前建议检查人名、数字和专业术语。