AI时代的“读写能力“进化：多模态文本智能技术全景体验

AI时代的"读写能力"进化：合合信息多模态文本智能技术全景体验

一、创作者的真实困扰

说实话，做内容创作这行，文档处理是个永远绕不开的话题。

前几天赶稿，需要把一堆纸质资料转成电子版。手机拍照吧，光线不好拍出来一片模糊；角度没把握好，文字全是歪的；有时候手指还会不小心入镜。好不容易拍完了，发现屏幕拍摄的PPT上全是摩尔纹（那种密集的波纹），根本没法用。

还有更头疼的：学生时代的笔记本，上面红笔蓝笔标了一堆，现在想要个干净版本做素材，只能一个字一个字重新打？PDF转Markdown，表格识别一塌糊涂，公式全变成了乱码，还不如手动整理。

最近更让人焦虑的是AI安全问题。刷到好几条deepfake诈骗的新闻，有人用AI换脸冒充高管骗了2亿，还有人伪造法律文书诈骗上百万。

直到我参加了PRCV2025（中国模式识别与计算机视觉学术会议）上合合信息承办的"多模态文本智能大模型前沿技术与应用"主题论坛，才发现这些问题都有了系统性的解决方案。

二、什么是"多模态文本智能技术"？

先说结论：这不是简单的OCR升级，而是让AI从"打字员"进化成了"专业助理"。

用一句话说清楚

传统OCR：拍照→识别文字→输出文本（到此为止）

多模态文本智能：拍照→理解内容→分析问题→主动处理→输出结果

差别在哪？三个关键词：

1. 多模态
不只是文字，图像、视频、表格、公式、手写字、印章……包含文本信息的媒介都能处理。

2. 理解
不只是"看见"文字，还能理解版面结构、语义逻辑。比如一份合同，AI能知道哪些是条款、哪些是签名、条款和签名的位置关系是否合规。

3. 决策
这是最关键的。AI不再是被动工具，而是能主动判断"这张图有什么问题""应该怎么处理"。光线不足？自动增强。角度倾斜？自动矫正。有手写标注？智能擦除。

实际场景举个例子

场景1：合同审查
传统方式：提取文字，人工逐条检查
多模态文本智能：不仅提取条款，还能关联签名位置、日期、印章，自动判断合同效力的关键要素是否完整

场景2：财报分析
传统方式：OCR识别表格，经常出错
多模态文本智能：文字陈述与表格数据交叉验证，发现逻辑矛盾会主动标注

场景3：医疗病历
传统方式：分别识别文字和影像
多模态文本智能：诊断结论与影像证据综合判断，给出结构化输出

说白了，就是让AI真正"读懂"文档，而不只是"看见"文字。

三、文档处理：让模糊文档"起死回生"

1. 底层视觉处理：AI帮你"重新拍一遍"

你有没有遇到过这种情况：拍完照才发现手指挡住了一角，或者角度歪了，或者光线太暗？

合合信息的底层视觉处理技术，能做到的不只是简单的滤镜，而是真正的"图像修复"。

典型场景演示：

场景1：文字图像质量提升
一张手指遮挡、角度倾斜、光线不足的文档照片，经过AI处理后：

• 手指自动消失
• 角度自动摆正
• 亮度对比度自动优化
• 输出接近扫描仪的效果

场景2：摩尔纹去除
拍摄电脑屏幕或投影时，经常会出现密集的波纹干扰（摩尔纹）。这在以前几乎是无解的，但合合信息可以做到：

场景3：手写擦除
这个功能我个人最喜欢。学生党做题、老师批改作业、工作中文档标注……很多时候我们需要一个"干净版本"。

合合信息能做到：

• 精准识别手写字迹（红笔、蓝笔、铅笔都能识别）
• 擦除不留痕迹
• 保留底层文字和色彩信息

2. 文档解析：从"识别"到"理解"

如果说底层视觉处理解决的是"看清楚"的问题，那文档解析解决的就是"看懂"的问题。

我的痛点：
经常需要把PDF转成Markdown格式，方便后续编辑。但传统工具识别效果惨不忍睹：

• 跨页表格断裂，数据对不上
• 复杂公式变成乱码
• 图片和文字的位置关系乱了
• 标题层级完全错误

合合信息的大模型加速器-xParse系统，就是专门解决这个问题的。

核心能力：

• 精准识别跨页表格（这个真的难，很多工具做不到）
• 准确提取复杂公式（LaTeX格式输出）
• 保留文档逻辑结构（标题、段落、列表层级）
• 支持合并单元格、密集表格、图表、手写字符等多模态元素

实际应用场景：知识库RAG

论坛上合合信息分享到：搭建企业知识库，用xParse解析文档后，RAG（检索增强生成）系统的准确率提升明显。

他们从三个维度做了评估：

• 相关性：检索内容与用户查询的匹配度 显著提升
• 完整性：片段是否包含回答问题所需的全部要素 显著提升
• 可信度：片段内容是否可溯源到权威数据 显著提升

这对于需要搭建企业知识库、做AI Agent的团队来说，是非常实用的工具。

3. TextIn平台：一站式解决方案

合合信息把这些能力整合到了TextIn平台上，形成了一个完整的生态：

三层架构：

• 综合应用层：Docflow文档自动化平台、合同机器人
• 技术产品层：文档识别、图像处理、大模型加速器（xParse）
• 云服务层：API接口、小程序、在线工具

重点是，这些功能都可以线上体验：对于开发者来说，还提供了公有云API、私有化部署、国产化适配等多种方案。

四、AI安全：火眼金睛识别"李鬼"

说完文档处理，再来说第二大板块：AI内容安全。

这部分是我之前完全没关注过的领域，但听完论坛分享后，真的觉得太重要了。

1. 两个触目惊心的真实案例

案例1：山东淄博法律文书伪造案

2024年，山东淄博警方破获了一起案件：张某伪造公安、检察机关的法律文书，冒充办案人员，以"办理取保候审"为由诈骗。从2024年3月开始，短短几个月，骗取多名受害人100多万元。

案例2：香港Deepfake视频骗走2亿港元

2024年2月，香港发生了一起震惊世界的AI诈骗案：犯罪嫌疑人利用Deepfake技术，冒充公司高管，在视频会议中骗取企业员工，成功转走近2亿港元。

看到这两个案例，我意识到：AI生成技术的门槛越来越低，伪造的成本几乎为零，但造成的危害却是指数级增长的。

三大伪造风险：

• 风险1：图像PS编辑（身份证、合同、发票篡改）
• 风险2：人像换脸/活化（Deepfake视频、金融审核欺诈）
• 风险3：图像AI生成（虚假新闻、社交媒体造谣）

作为内容创作者，我不仅要学会用AI，更要学会防AI。

2. FidOK：AI鉴伪的"火眼金睛"

合合信息的解决方案是FidOK图像智能鉴伪系统。

三大检测能力：

① 文本图像伪造检测
检测身份证、护照、发票、合同、票据、授权书等证件的PS篡改

② 人脸图像/视频伪造检测
识别Deepfake换脸、视频活化，应用于面试、社交、金融远程开户等场景

③ AIGC图像检测
判断图片是真实拍摄还是AI生成（如Midjourney、Stable Diffusion等工具生成的图像）

核心优势：

• 响应速度快：单张图片650ms（NVIDIA-A10）
• 准确率高：落地客户实测拦截率超90%
• 技术权威：ICDAR2023冠军、2024全球AI攻防赛冠军
• 部署灵活：支持公有云API、私有化部署、国产化服务器

3. 实际落地案例

技术再好，不能落地就是空谈。FidOK已经在多个行业实际应用了。

案例1：某知名银行（文本图像检测）

客户痛点：
业务主要在线上，用户通过APP上传身份证办理业务。但无法有效识别翻拍、复印件、PS篡改等欺诈手段，存在合规风险。

解决方案：
接入FidOK系统，三道防线：

1. 身份证识别（提取信息）
2. 质量检测（判断是否翻拍、复印）
3. PS检测（判断是否篡改）

业务成效：
前端实时拦截不合规证件，后端实时检测PS痕迹，伪造样本拦截率超过90%。

案例2：国有四大行之一（人脸伪造检测）

客户痛点：
远程开户、大额转账等场景，面临Deepfake换脸、视频活化等深度伪造风险。

解决方案：
在APP/小程序身份认证环节，接入三道检测：

1. 人脸识别（第三方提供）
2. 人脸伪造检测（判断是否为真人）
3. 相似背景检测（判断是否为同一场景重复拍摄）

业务成效：
在用户无感知的情况下，后台实时拦截伪造样本，有效降低欺诈风险。

写在最后

多模态文本智能技术，本质上是让AI从"被动工具"进化成"主动伙伴"。

它不再只是"你让我做什么，我就做什么"，而是能够主动理解问题、分析问题、解决问题。

从文档处理到AI安全，从个人效率工具到企业级风控系统，合合信息搭建的是一个完整的技术生态。

技术的终极意义，不是炫技，而是解决真实问题，创造真实价值。