发票、收据和账单怎么用AI提取成表格？准确率与校验方法

资料核验日期：2026-08-05。涉及产品版本、套餐、语言、地区、价格或政策时，发布前仍应再次检查官方页面。

核心结论

• 先定义字段，再选工具。不同财务流程需要的字段不同。
• 表头字段和行项目要分开评估。总金额正确不代表明细正确。
• 置信度不是准确率。高置信度结果也要通过业务规则。
• 重复单据和金额关系必须校验。这是防止错误入账的关键。
• 需要实测。必须用自己的票据语言、版式和拍摄质量建立测试集。

第一步：定义输出表结构

不要先上传一堆票据再问“帮我转成Excel”。先定义字段：

• 文件ID和来源；
• 供应商名称、税号、地址；
• 发票/收据编号；
• 开票日期、到期日；
• 币种、未税金额、税额、总金额；
• 付款方式和订单号；
• 行项目：描述、数量、单价、税率、金额；
• 识别置信度和人工复核状态。

专用文档AI与通用视觉模型怎么选？

Microsoft Azure Document Intelligence、Amazon Textract和Google Document AI都提供发票或费用类专用处理器，可提取供应商、日期、金额和行项目并返回结构化结果。^[1][2][3]

第二步：图像预处理

• 一张图片只保留一张票据；
• 校正旋转、透视和裁切；
• 保证文字清晰、不过曝、不反光；
• 保留足够分辨率，不要过度压缩；
• 多页发票保持页序；
• 原始文件只读保存，处理结果另存。

第三步：字段提取与标准化

识别结果需要统一格式：日期使用统一格式，币种使用ISO代码，金额转换为数值，供应商名称关联主数据，税率和税额分别存储。不要只保留“识别后的文本”，否则后续难以统计和对账。

第四步：用业务规则做二次校验

置信度阈值怎么用？

置信度可以用于分流，但不能当作真实准确率。建议按字段风险设置不同阈值：供应商地址可以低一些，发票号、税号、总金额和银行信息应更严格。低于阈值进入人工复核，高风险字段即使高于阈值也应抽查。

统一实测方案

1. 收集至少100张真实或脱敏票据；
2. 覆盖扫描、手机拍摄、折痕、反光、多语言和多页；
3. 制作人工标准答案；
4. 分别统计表头字段和行项目；
5. 记录完全正确率、字段准确率、漏检率、人工修改时间；
6. 测试重复票据和异常金额；
7. 保存工具版本、日期、参数和原始输出。

建议重点指标

• 发票号完全匹配率；
• 总金额、税额和币种准确率；
• 供应商匹配率；
• 行项目召回率与金额准确率；
• 每张票据平均人工修正时间；
• 重复单据发现率；
• 处理失败与需人工比例。

什么时候需要自定义模型？

如果企业长期处理固定模板、行业票据或专有字段，而预训练模型稳定漏掉相同信息，可以考虑自定义提取或规则层。不要因为少量特殊票据就立刻训练模型，先评估增加后处理规则是否足够。

隐私与财务控制

• 票据可能包含姓名、地址、银行卡和交易信息；
• 明确上传区域、存储、保留与删除；
• 限制谁能查看原图和结构化结果；
• 入账和付款必须通过现有审批；
• 不要让AI识别结果直接触发付款；
• 保留原始单据、修改记录和复核人。

常见问题

文章局限

• 本文不提供财务、税务或审计意见。
• 专用模型支持的语言、字段、格式和版本会变化。
• 比较类结论必须基于用户自己的票据测试集，本文不做产品排名。

参考来源

1. Microsoft Azure：Document Intelligence发票模型（核验于 2026-08-05）
2. Amazon Textract：分析发票与收据（核验于 2026-08-05）
3. Google Cloud Document AI：处理器列表与发票解析器（核验于 2026-08-05）
4. OpenAI：数据分析与扫描表格限制（核验于 2026-08-05）

更新记录

• 2026-08-05：首次整理并核验官方或一手资料，建立可复用流程与检查清单。