【2026 最新】帳單 OCR 驗收怎麼做？來源框＋算術檢查，10 張小樣本上手

你把一張帳單交給視覺語言模型（VLM），它回傳一份排得整整齊齊的 JSON：日期、明細、總額都有。可是一個金額即使寫得很順，也可能抄錯一位數。帳單 OCR 驗收的難點，正是找出「看起來合理、其實不在原圖上」的值。

這篇寫給第一次要替掃描帳單建立檢查流程的讀者。你會用 10 張已有人工作答的繁中帳單，做出逐欄來源框、局部裁圖、算術規則與人工複核路徑；不必先懂機器學習，也能知道每個值為何可以放行。本文教的是小樣本驗收方法，不宣稱已替任何模型跑出準確率。

先說結論：帳單 OCR 驗收要看三張收據

一句話記住：可放行欄位＝讀到的值＋原圖位置＋業務規則通過。就像核對包裹，模型給你的金額是收件人說「我收到了」；來源框是簽收照片；加總規則是核對箱內件數。三者各有用處，少一個就留下盲點。

• 值：帳單號碼、日期、明細、金額、幣別等結構化欄位。
• 證據：頁碼、座標、原文字與局部裁圖；看不見來源就標成待查。
• 規則：針對帳單型態檢查小計、稅、折扣、總額與日期；不符合就人工複核。

為什麼「模型很有信心」仍要驗證？

信心分數回答的是系統對自己輸出的估計，不等於該數字真的印在那張帳單。Google Document AI 的資料結構把欄位文字、confidence、pageAnchor 與正規化後的值分開保存；AWS Textract 的帳單／收據輸出也把明細與摘要欄位連到幾何位置。這兩份官方設計，說明「欄位值」與「來源位置」應被當成不同資料來檢查。Google 的 Document 物件說明；AWS 的帳單輸出說明。

學術評測也把讀字、文件結構、定位與關鍵資訊擷取拆開。CC-OCR V2 的作者提供五條不同測試軌道，其中包含 document grounding（把答案指回圖片位置）與 key information extraction（抽出欄位）。這是研究團隊的測試設計，不是本文 10 張繁中帳單的成績。CC-OCR V2 原始專案。

如果你還在處理「PDF 先變可搜尋文字」這一步，可先讀 OCR It 離線擷取教學；本篇從擷取結果出發，追問每個重要欄位是否有圖像證據。

帳單 OCR 驗收的 5 個零件

① 真值卡：先把「標準答案」寫清楚

挑 10 張你有權處理的繁中帳單，盡量包含不同版型、清晰與模糊掃描、含折扣或多頁的案例。每張由人對原圖填寫帳單號碼、日期、幣別、小計、稅額、折扣、應付總額與每列明細；另一人只覆核關鍵金額和日期，分歧回原圖裁定。記下檔案雜湊、頁數、裁定人和欄位定義，往後才能重跑同一份題目。10 張是流程冒煙測試，不是可推廣的模型準確率估計。

真值要保存兩層：printed_text 是原圖印的字；normalized_value 是比較用的標準形式。例如原圖印 1,240.00，比較時可以轉為十進位 1240.00，但不能把模型猜到、原圖沒印的號碼補進真值。

② 來源卡：每個欄位指回頁面的一小塊

抽取器輸出每個關鍵欄位時，要求同時給 page、box、raw_text、value。box 可採四個相對座標 [left,top,right,bottom]，每個數字介於 0 與 1；裁圖時才乘上原始頁面的寬高。Google 官方文件說明 normalized vertices 的範圍與原圖座標的差別，頁碼也要和文件頁面索引對齊。Google 的回應與座標說明。

重點不是「模型給了框」，而是裁出來的圖真的包含同一個值。若框落在空白處、只框到欄位標籤、把隔壁明細的價格當成總額，或同一值跨兩頁卻沒標清頁碼，這欄就進人工複核。先看裁圖再讀 JSON，能減少流暢文字帶來的錯覺。

③ 算術卡：用帳單自己的規則核對

先問這張帳單是哪種計價法：稅外加、含稅、先折扣後課稅、分期、退款或多幣別。只有在規則適用、欄位齊全、幣別相同時，才檢查 小計＋稅額－折扣＝應付總額。明細若有數量與單價，再檢查 數量×單價＝列金額，最後把列金額加起來和小計比。金額用十進位或最小貨幣單位計算，避免浮點小數造成假警報。

這種確定性規則有現成先例：Google Document AI 的驗證文件把 mention_text、normalized_value 與 bounding_poly 放在可檢查的欄位模型裡，也示範明細加總。你的業務規則仍要依帳單格式設定。Google 的文件驗證規則。

④ 停手機制：不確定就送人工

把「缺欄」、「框對不上值」、「總額不平」、「日期不可能」、「同一張出現兩種幣別」分成可記錄的原因碼。系統只自動放行所有必需欄位都有證據且適用規則通過的帳單；一旦不滿足，就保留原頁、裁圖、JSON 與原因碼給人看。人改正後留下修訂紀錄，下一次才知道是哪個環節需要修。

⑤ 成本卡：把誤放行和人工時間一起記

計算每張的模型／OCR 費用、重試次數、處理秒數與人工複核分鐘數。每張平均成本＝（抽取費＋重試費＋人工分鐘×每分鐘成本）÷帳單張數。若只看 API 單價，容易忽略更昂貴的返工；若只追求少複核，也可能放過錯誤金額。

跟著一張示意帳單，走完驗收

以下是教學用的虛構帳單，方便你練習判斷；它不是我們跑出的 OCR 結果。原圖設定為兩列商品 800.00、400.00，小計 1,200.00、稅 60.00、折扣 20.00，應付 1,240.00。模型提案卻把應付寫成 1,248.00，並給出 0.96 的假設信心分數。

1. 對位置：把「應付」框裁出來，讀到 1,240.00。提案 1,248.00 與裁圖不同，來源檢查失敗。
2. 對算術：1,200.00＋60.00－20.00＝1,240.00。提案總額多了 8.00，算術檢查也失敗。
3. 決策：這張帳單進人工複核；在真值表標記「金額抄錯」及「誤放行風險」。假設信心 0.96 只用來示範：高分門檻本身不能替代原圖與加總。

另一種情況更棘手：若模型錯把另一欄同樣是 1,240.00 的金額當應付，算術仍可能通過，所以還要核對標籤、位置與頁碼。反過來，合法的含稅帳單可能不適用上面的加法；不適用的規則應標 not_applicable，再按該版型的規則審查，不能硬判錯。

10 張帳單怎麼做 A/B：同題、同模型、不同放行規則

先凍結 10 張圖片、人工真值、抽取模型版本、提示詞、影像尺寸與預算。A 組只看抽取器提供的信心分數，例如示範門檻 confidence ≥ 0.90；B 組沿用同一批抽取輸出，再加上來源框核對和適用的算術／日期規則。這樣比較的是放行策略，而不是偷換模型。若抽取器不提供可比信心分數，A 組只能用你事先定義的代理分數，並清楚標示它的來源。

每張記四個結果：truth_correct（對照人工真值，所有必需欄位是否正確）、auto_release_A、auto_release_B、review_minutes。把漏掉一列明細也算「不正確」，不要只檢查最後總額。兩組都不能事後替自己改門檻；想調門檻，就另留一批沒看過的帳單作下一輪測試。

• 誤放行數：必需欄位有錯，系統卻自動放行的張數。這是最應優先降低的量。
• 人工複核量：被擋下送人的張數，以及實際花費分鐘數；兩者一起看。
• 漏列數與金額錯欄數：分開計，不讓同一張只記成單一「失敗」。
• 每張成本：抽取與重試費用加人工時間成本，再除以 10；所有假設單價都寫在私有工作表。

用 10 張只能抓流程的明顯失效，不能宣稱「B 組提升 X%」可代表未來所有帳單。真正要上線，還要依供應商、版型、拍攝品質和異常案例擴大保留樣本，並持續觀察新資料。若你想學「如何避免驗收題被系統提前看過」，可接著讀 Agent 規則污染與新試卷教學。

新手照做：一份工作表與一段判斷式

用 Excel、Google 試算表或 CSV 都可以。每一列放一個欄位，欄名先定成：doc_id, page, field, printed_text, truth_value, predicted_value, box, crop_match, rule_status, review_reason, review_minutes。框座標與裁圖連結可以另外放欄位。保存圖片時先做權限控管與去識別；真實帳號、地址與付款資訊不應拿來做公開示例。

最小判斷式可以寫成：必需欄位齊全 AND 每欄裁圖對得上 AND 適用算術通過 AND 日期規則通過 → 可放行；否則 → 人工複核。這是語言無關的流程，不是某個 SDK 的現成 API。真正寫成程式時，還要處理裁圖超出頁面、多頁旋轉、貨幣小數位、退款負號及重試失敗；若採 Google Document AI，欄位與座標格式先對照它的 Document API 物件。

日期檢查也要對應文件種類。可先檢查日期是否能解析、到期日是否早於開立日；若帳單有更正、補開或跨時區記載，交由人判定。把「無法解析」和「解析後違反規則」分成不同原因，日後才知道是 OCR 還是業務邏輯的問題。

最常踩的 5 個坑

1. 拿同一張帳單調規則又報成測試：留出未參與調整的新圖，避免題目被背熟。
2. 只有總額正確就放行：明細漏列、帳號或日期錯誤仍可能害後續對帳出錯；先定義必需欄位。
3. 把每張都套同一條加總公式：含稅、折扣順序、退款與多幣別要各有規則或人工處理。
4. 把低信心當成唯一複核條件：高信心的錯字與抄錯欄仍需來源框和規則驗收。
5. 只記 API 價格：重試與人工分鐘都進成本，才能看出真正的取捨。

帳單 OCR 驗收常見問題

1. 10 張夠不夠判斷哪個模型最好？

不夠。10 張適合先把欄位、錯誤分類與放行路徑跑通；模型選型要涵蓋更多版型與未見過的文件。

2. 算術過了，就能直接付款嗎？

不能只靠算術。還要核對收款對象、帳號、幣別、日期和各欄來源。實際付款的授權流程另有權限與覆核要求。

3. 沒有座標輸出的 VLM 怎麼辦？

改用能提供定位的擷取步驟，或把該欄送人工。不要把模型自己編出的座標當證據；裁圖必須回到原始頁面核對。

4. 繁中帳單上的民國年怎麼比？

先保留原字，再按你文件的曆法規則正規化。在真值卡同時保存印刷日期與標準日期，讓轉換錯誤可以追查。

5. 為何不能直接用浮點數加金額？

小數精度會製造不必要的差額。把金額轉成十進位或最小貨幣單位，再依該幣別的規則處理四捨五入。

6. 一張有好幾頁，框要怎麼存？

每個框都存頁碼。不同頁上的相同數字不是同一個證據；頁面旋轉後的座標也要按同一版本影像換算。

7. A/B 的誤放行數為零，就能上線嗎？

還不能只憑這一輪。零可能只是樣本太小或太乾淨；加入新供應商、低畫質、折扣與退款案例後再觀察。

8. 哪些欄位最該先人工核對？

從會直接改變付款或對帳結果的欄位開始：收款對象、帳號、幣別、應付額與到期日。再按你的業務損失排序擴充。

給新手的 3 個重點

• 先有人工真值，再談模型分數；原圖和裁定記錄要能重看。
• 每個關鍵值都留頁碼、座標和局部裁圖，無法對位就送人。
• 把誤放行、複核分鐘與總成本一起看，選一條能承受的放行線。