试卷切割有啥好的方案吗，试过百度云和阿里云，效果都不太行。

https://i.imgur.com/gQhUEnu.jpeg 这个是原图，阿里切出来长这样 https://i.imgur.com/hrvlL9u.png 百度云切出来长这样 https://i.imgur.com/GfizNbm.jpeg 是要对图片提前处理吗？

分解步骤，不要指望一句提示词搞定。 先 ocr ，获得文本和坐标，然后把文本扔给大模型，问他怎么拆题，根据大模型给的结果再去拿到每个题目对应的坐标，然后获得最终的拆题。ocr 的要求不用太高，识别错误没关系，大模型自己会理解。当然也可以直接把文本和坐标一起扔给模型，让他直接给你每个题目的坐标，你再去裁切图片。具体怎么做看你的需求和调试优化结果对比。

@jstony #2 我试过用大模型，效果也一般，而且大模型有个问题，就是一致性较差。最开始用 gemini 2.0-flash ，效果很差， 后面换成 gemini 3.0-preview 就好一些。