企业出纳每月初要做一件事：去银行拉对账单，然后逐笔核对上个月的每一笔收支记录——哪笔是客户打来的货款，哪笔是水电费扣款，哪笔是贷款利息。一家中型企业一个月可能有几百上千笔银行流水，手工逐笔录入并分类，光是这一件事就要忙活两三天。
银行票据OCR，正在把这件事变得不一样。
银行票据有哪些？
企业在日常经营中需要OCR处理的银行票据，主要包括：
银行回单。 每笔转账、汇款、收款后银行出具的凭证，包含交易日期、付款方、收款方、金额、摘要、流水号。格式相对统一，但每家银行的回单版式不同。
银行对账单。 银行按月出具的企业账户交易明细，包含期初余额、每笔交易的日期、摘要、借方金额、贷方金额、余额、期末余额。格式因银行而异。
银行流水。 类似对账单，但通常是企业自行从网银导出的电子文件（PDF或Excel），格式更加多样。
支票。 包含出票日期、收款人、金额（大写+小写）、用途、签章。部分信息是手写的。
承兑汇票。 包含出票人、收款人、金额、出票日期、到期日、承兑人等信息。版式因银行不同而有差异。
银行回单识别：看起来简单，做起来有坑
银行回单看似格式规整、字段清晰，但实际OCR处理中有不少坑：
各家银行版式不同。 工商银行、建设银行、招商银行、浦发银行……每家银行的回单模板完全不一样。字段位置、字体、排版各异。系统需要为每家银行准备识别模板，或者用通用模型自适应。
同一银行不同渠道版式不同。 柜面打印的回单、自助终端打印的回单、网银下载的电子回单，三种格式可能都不同。
摘要字段内容多变。 回单上的”摘要”或”用途”字段，是企业自己填的转账说明，内容千奇百怪——”付3月房租”“货款尾款”“张三差旅报销”——没有固定格式，OCR需要识别任意文本。
金额格式多样。 有的回单金额带千分位逗号（”1,250,000.00”），有的不带（”1250000.00”），有的金额前有”RMB”前缀，有的有”￥”符号。系统需要统一处理各种格式。
银行流水识别：最让人头疼的非标文件
如果说银行回单还能靠模板搞定，银行流水就是真正的”非标之王”。
每家银行的流水格式完全不同。 工行的流水长这样，建行长那样，招行又是另一种。列名不同——有的叫”交易金额”，有的叫”发生额”，有的叫”借方/贷方”；列顺序不同——有的日期在第一列，有的在第二列；金额正负表示不同——有的借方用负数，有的借方和贷方分两列。
同一银行不同版本不同。 招行网银导出的Excel流水和PDF流水格式不同，新旧版网银导出的格式也不同。
信息密度极大。 一份一年的企业银行流水可能有上千条交易记录，每条包含日期、摘要、金额、余额，排列极为密集。OCR需要逐行准确识别，不能跳行、不能串行。
传统方案的局限。 为每家银行维护一套模板成本极高，而且银行随时可能更新网银导出格式。规则引擎的维护也跟不上格式变化的速度。
大模型：银行流水的”通用解法”
大模型的出现，为银行流水识别提供了真正的通用方案。
多模态大模型直接接受流水图片（或PDF转图片）输入，用自然语言描述任务：
“请逐行提取这份银行流水的交易记录，每条包含：交易日期、摘要、借方金额、贷方金额、余额。以JSON数组格式输出。”
大模型不依赖固定模板，而是靠语义理解判断”哪一列是日期”“哪一列是金额”“借方和贷方怎么区分”。对于不同银行的流水格式，同一个提示词就能适配——模型理解的是语义而非位置。
语义纠错。 大模型能识别”摘要”列里的交易类型——”转账”“扣款”“利息”“手续费”——并做语义校验。如果某笔交易的摘要写”利息”但金额在借方（应该是收入/贷方），大模型会标记异常。
交易分类。 大模型能自动对每笔交易分类——营业收入、采购支出、人员薪酬、税费、利息、手续费等——这是传统OCR做不到的，需要人工判断。
支票与承兑汇票：手写体的挑战
支票和承兑汇票的OCR识别有个特殊难点：金额大写是手写的。
中文金额大写——”壹佰贰拾伍万叁仟元整”——比数字识别难得多。每个大写数字字形变异大，而且大写金额和小写金额必须一致（校验规则）。系统需要同时识别大写和小写金额，交叉验证。
承兑汇票更复杂：出票人、收款人、承兑人信息可能部分手写、部分印刷，签章区域有多个印章叠加，OCR需要分别提取每项信息并验证一致性。
从识别到对账：闭环价值
银行票据OCR的最终价值不在于”识别出数字”，而在于”把数字用起来”：
自动对账。 银行回单/流水的识别结果，自动和企业内部的应收应付系统对账——哪笔收款对应哪张发票，哪笔付款对应哪个采购单。原来出纳逐笔核对的工作，系统自动匹配。
资金监控。 银行流水结构化后，可以做资金流向分析——大额异常交易预警、资金集中度分析、收支趋势监控。