东边小站
同一段视频 9 种压法：设得越「清楚」，文件反而越大
同一段 63 秒视频 9 种压法实测：设得越清楚，文件越大画质没变好。
OCR：从 tesseract 换成大模型，一次对比就定案
起因
跑单软件里的订单地址靠手打太慢，想用 OCR 自动抽出来。
实测对比
同一张模拟订单页（900×1500，6 条中文地址）：
| 方案 | 结果 |
|---|---|
tesseract 5.3.4 --psm 11 |
6 条错 4 条：望京→「望刘」、阜通→「和皇通」、门牌变 3542150235，还有噪点 |
| 通义千问 VL（qwen-vl-max） | 6 条全对 |
成本
单张调用：prompt 1342 + completion 116 = 1458 tokens（其中图片 1244）。
结论
结构化抽字段（地址 / 单号 / 金额）直接上大模型，别用 tesseract。
传统 OCR 只认字形，不懂上下文；订单地址里有大量「望京」「阜通」这类地名，模型带世界知识就能纠正。
落地
自研跑单接口 /route/api/ocr 已切到 qwen-vl，走 DashScope 兼容模式。
踩坑：国际站
dashscope-intl配国内密钥必然 401，DASHSCOPE_BASE_URL要写国内站。