发票识别怎么做？先提字段，再复核金额后入账

每月要把一叠发票照片录进表格，可以先让 AI 把号码、日期、购销方、明细和金额抄出来，再由你对着原图复核。国家税务总局列出的数电发票票面字段包括项目、数量、金额、税率、税额和价税合计等，本文就按这些字段做练习。国家税务总局：数电发票票面基本内容

我们用一张带有“虚构练习票样”标记的图片，在本机 Qwen 视觉模型里识别。两条明细和合计都提取正确，独立脚本复算也通过。本机单次识别约 25 秒；具体时间会随设备和图片变化。这个流程只把票面内容整理成结构化字段，不会替你确认发票真伪、费用归属、会计科目或抵扣资格。

标注为虚构、不可报销的练习票样

你需要准备

真实票据包含经营和个人信息。先按单位批准的系统和流程处理；本教程脚本只连接本机 127.0.0.1，这不代表你的整套电脑环境自动满足单位的安全要求。

第一步：准备一张票据图片

先把纸质票据拍清楚或扫描成 PNG/JPG：尽量正对票面、不要遮住文字，确认项目行和金额没有被裁掉。本文材料包里有一张明确标为虚构、不能报销的练习票样，先用它跟着操作。

第二步：在本机提取票面字段

Ollama 是本机运行模型的工具；Qwen3.8 是支持文本和图片输入的模型系列。本文选择带图像输入能力的 Qwen3.8 27B，因为练习任务要从票面图片读取文字，且实测环境可以在本机运行。第一次拉取模型会下载约 18GB 文件；你的机器是否能流畅运行，取决于可用内存和模型版本。

安装并启动 Ollama 后，在终端下载模型：

ollama pull qwen3.8-27b-vision:latest

解压发票字段提取练习包，进入解压后的文件夹，把自己的图片放到这个文件夹里。运行：

python3 extract_invoice.py "你的发票图片.png" > model_output.json

脚本通过 Ollama 本机 API 发送图片，要求模型只返回 JSON。它把看不清或票面没写的字段留空，不让模型猜；提示词在 prompt.txt，你可以先照用，不要把身份信息或税号补进提示词。

第三步：对着原图逐项复核

把模型结果里的字段与图片一项项比对。至少检查：发票号码和日期、买卖双方、每行的项目名称与数量、金额、税率、税额，以及合计。数字看不清就回原图放大确认，不要根据模型的置信语气直接录账。

本次虚构票样的模型结果提取了两项商品：打印纸 360.00 元、文件夹 40.00 元；税额分别为 46.80 元和 5.20 元。模型还保留了票面上的虚构与不可报销提示。材料包中的 corrected.json 是人工核对后的版本。

第四步：用 Decimal 复算金额

把核对后的结果另存为 corrected.json，运行：

python3 check_amounts.py corrected.json

本例复算结果是：不含税金额 360.00 + 40.00 = 400.00 元；税额 46.80 + 5.20 = 52.00 元；价税合计 400.00 + 52.00 = 452.00 元。Decimal 按十进制金额计算，避免常见二进制小数误差。脚本只检查你输入的字段能否加总一致，不判断税率是否适用，也不替代正式账务审核。

常见问题

识别出来就能自动记账吗？ 不建议直接自动入账。模型可能看错小数点、漏行或混淆金额列；先由经手人核对原图，再按单位的审批与会计流程处理。

真实票据能不能上传给在线模型？ 先看单位的数据处理规则。票据可能含供应商和交易信息；未经批准，不要把原图交给外部服务。使用本机模型也要做好电脑访问控制和文件留存管理。

模型把没写的字段补出来了怎么办？ 将其改成“未提供”，不要把推测当成票面事实。提示词已经要求缺失字段留空，仍需人工检查。

本机跑不动怎么办？ 本文用的是 27B 视觉模型，下载体积和内存占用都不小。不要为了跑通而把真实票据发到未经批准的网站；先用单位现有的票据系统，或在合规前提下选择更小的视觉模型并用自己的样本验证。

工具清单

• Ollama：本机模型运行工具，免费；首次使用需下载模型。
• Qwen3.8：支持图像输入的模型系列；本文实测 qwen3.8-27b-vision:latest。
• Python 3：运行练习包里的识别与金额复算脚本；脚本仅调用 Python 标准库。

练习材料

下载发票字段提取练习包。包内包括虚构票样、提示词、可复跑脚本、原始模型输出、人工核对结果、金额自检和测试记录。请勿用虚构票样报销或入账。

接下来可以做什么

如果要整理长篇业务材料，可以接着可以看用自然语言整理 Excel 交叉表，把人工复核后的字段整理成汇总表。