在 OCR 的“世界杯”赛场上，Google 和 Azure 属于那是种“降维打击”的存在。

国内厂商（如百度、腾讯）在中文、身份证、发票识别上做得极深，但在 小语种覆盖（如泰语、阿拉伯语、希伯来语） 和 英文草书（Cursive Handwriting） 上，Google 和 Azure 拥有绝对的数据统治力。

1. Google (Document AI)：用“搜索”来做 OCR

Google 的 OCR 强项在于它不仅仅是看图，它背后站着 Google Search 的知识图谱。

  • 纠错能力（Correction）：当 OCR 模型把一个模糊的地名识别错时，Google 能利用地图数据自动修正它。比如把 “San Fruncisco” 自动纠正为 “San Francisco”。
  • 语种霸权：支持 200+ 种语言。如果你的 App 要发往中东（从右向左写的阿拉伯语）或者东南亚（只有一行却像三行的泰语），Google 是最稳的选择。

Google Document AI 是它们最新的产品形态，不再只是吐出文字，而是直接针对 Invoice (发票)、ID (证件) 提供预训练好的 Parser，开箱即用。

2. Azure (AI Vision)：手写体识别的 SOTA

如果说 Google 是通才，Azure 就是手写体领域的专才。

微软在 2020 年后的 OCR 更新（Read API v3.2 及以后）震惊了业界。它对 自由手写体（Free-style Handwriting） 的识别率达到了恐怖的“人类水平（Human Parity）”。

  • 连笔字：老外写英文最喜欢连笔，单词之间没有间隙。Azure 能精准切分。
  • 白板/笔记：拍一张会议后的白板，上面画满箭头、圈圈和歪斜的字，Azure 能把它们还原得井井有条。
  • 医疗场景：这是 Azure 的杀手锏。它能看懂医生那著名的“狂草”处方。

3. 技术原理差异

  • Google：侧重 Dense OCR。在检测密集文本（如报纸、扫描文档）时，Google 的召回率极高，漏检很少。
  • Azure：侧重 Spatial Reasoning（空间推理）。它在处理非结构化、甚至旋转、倒置的文本时，采用了更先进的 Transformer 架构，关注字符之间的空间关系，而不仅仅是序列关系。

4. 代码实战：调用 Azure Read API 识别手写笔记

Azure 的调用稍微复杂一点，因为它的 Read API 是 异步（Async） 的。你需要先提交图片，拿到一个 Operation-Location，然后轮询结果。

这是为了处理大图或复杂手写图设计的，防止 HTTP 连接超时。

Python

import os
import time
from azure.cognitiveservices.vision.computervision import ComputerVisionClient
from azure.cognitiveservices.vision.computervision.models import OperationStatusCodes
from msrest.authentication import CognitiveServicesCredentials

# 环境变量配置
KEY = "YOUR_AZURE_KEY"
ENDPOINT = "YOUR_AZURE_ENDPOINT"

def recognize_handwriting(image_path):
    # 1. 初始化客户端
    client = ComputerVisionClient(ENDPOINT, CognitiveServicesCredentials(KEY))

    # 2. 读取图片流
    with open(image_path, "rb") as image_stream:
        # 3. 提交请求 (Read in Stream)
        # 这一步是非阻塞的，返回一个 response object
        print("提交图片，开始异步识别...")
        recognize_handwriting_results = client.read_in_stream(image_stream, raw=True)

    # 4. 获取 Operation ID
    # Azure 不会直接返回结果，而是给你一个 URL 去查进度
    operation_location = recognize_handwriting_results.headers["Operation-Location"]
    operation_id = operation_location.split("/")[-1]

    # 5. 轮询等待结果
    while True:
        result = client.get_read_result(operation_id)
        if result.status not in ['notStarted', 'running']:
            break
        print("正在分析手写体... (Waiting)")
        time.sleep(1)

    # 6. 解析结果
    if result.status == OperationStatusCodes.succeeded:
        print("\n=== 识别成功 ===")
        for text_result in result.analyze_result.read_results:
            for line in text_result.lines:
                # 打印每一行识别出的文本
                print(f"Text: {line.text}")
                # print(f"Box: {line.bounding_box}")
    else:
        print("识别失败")

if __name__ == "__main__":
    # 找一张那种连笔严重的英文笔记图
    img = "doctors_note.jpg" 
    recognize_handwriting(img)

5. 选型建议

在 Google 和 Azure 之间二选一时，请遵循以下 “决策剪刀”：

  1. 场景：全球化 App（多语言混合）
    • 👉 选 Google。如果一张图里同时有中文、韩文和法文，Google 的混合处理能力最强。
  2. 场景：医疗、教育、会议记录（手写体）
    • 👉 选 Azure。在手写英文识别上，Azure 目前没有对手。
  3. 场景：表格提取
    • 👉 选 Azure (Form Recognizer)。虽然两家都有表格服务，但 Azure 的 Form Recognizer 在处理复杂表格结构（合并单元格）时，API 的设计更符合开发者直觉。
  4. 场景：PDF 文档解析
    • 👉 选 Google (Document AI)。Google 对 PDF 内部元数据的解析更透彻。

一句话总结： 如果你的数据是“打字机打出来的”，Google 是最稳的百科全书；如果你的数据是“人手写出来的”，Azure 是唯一的笔迹专家。