OCR 是光學文字識別的意思，能把圖片裡的字轉成可編輯的文字。有人想用它來自動記錄百家樂結果，省去手動輸入。本頁說明這條路的可行性與限制。
一、原理與流程
基本流程是：先拍照或截圖，再由 OCR 模型識別其中的文字或符號，最後把識別結果寫入記錄。理論上可以減少手動輸入，但每一步都可能引入誤差。
與手動輸入相比，OCR 的優勢是快，劣勢是需要校對。對記錄來說，準確比快更重要。
二、常見錯誤來源
| 來源 | 影響 | 說明 |
|---|---|---|
| 光線與清晰度 | 字跡看不清 | 識別錯誤率上升 |
| 版面混亂 | 定位出錯 | 把無關文字當成結果 |
| 符號相似 | 莊閒誤判 | 顏色或字形接近時出錯 |
這三類誤差都會直接污染記錄。一旦記錄出錯，後續統計全部失真，因此必須人工校對。相關說明見記錄準確性怎麼自檢。
三、適合甚麼場景
若畫面乾淨、格式固定、符號單一，OCR 的表現會好很多。相反，若畫面複雜、需要即時記錄，手動輸入反而更可靠。選擇的關鍵是場景與容錯要求，而不是技術是否新。
記錄的價值在於準確與完整，工具只是手段。相關工具比較見記錄工具怎麼選。
四、常見誤解
誤解一：OCR 識別就等於自動記錄
不是。識別之後仍要判斷哪個符號是結果，這一步出錯就前功盡棄。
誤解二：識別出來就不用校對
必須校對。記錄一旦有錯，統計結論就不可靠。
誤解三：自動化程度越高越準
自動化只影響速度。準確度取決於輸入品質與校對，不取決於自動化程度。
若要嘗試，建議先從小樣本開始：用 OCR 處理一小段畫面，再和人工核對的結果比對，先看清錯誤率，再決定是否擴大使用。
另一個折衷做法是半自動：用 OCR 產生初稿，再由人工逐筆確認。這樣既能省下部分輸入時間，又能保住準確度。
需要說明的是，辨識技術會持續進步，但記錄的核心要求不變：完整與準確。工具再新，也不能替代校對這一步。
若要提升辨識成功率，可以固定拍攝角度與範圍，讓每一張圖的版面一致。版面穩定時，識別表現會明顯改善。
但即使如此，仍建議保留人工確認的環節。記錄一旦出錯，後續所有統計都要重做，成本遠高於當下多看一眼。
最後補充：OCR 屬於輔助工具，適合處理大量且格式固定的畫面。若記錄量不大，手動輸入搭配核對，往往比調試辨識流程更省時間。
想了解數據導出格式，可看記錄檔欄位與 CSV 格式。