AI AI 工具指南
常见问题解决库

ChatGPT 看不懂上传的图片：7 类原因 + 排查修复

截图或图表传上去 ChatGPT 描述错了。最快修复：重传清晰 PNG（长边 1500px 以上）+ 裁到关键区域 + 给定向转录 prompt。

发布于: 更新于: 作者: AI Productivity Guide Team 🌐 查看英文版本

一句话先看： ChatGPT 的 vision（截至 2026 年 6 月默认模型为 GPT-5.5）OCR 能力不错，但有损。在 App 里，图片在模型读取前会被缩放并切成小块（tile），所以小字、低对比、密集图表都容易读错。能修掉绝大多数情况的最快办法：重传一张清晰 PNG，长边放到 1500px 以上，裁剪到你真正关心的那块区域，再用具体的抽取式 prompt（“按阅读顺序逐字转录”）代替”这图里是什么”。如果连手写或没标轴的图表也读错，那是模型真实能力边界——直接转录或改喂原始数据。

“看不懂”几乎从不是模型完全失明，多数情况是分辨率 + 提示词共同造成的精度不足，而这两点都在你掌控之中。

ChatGPT 到底是怎么”看”你这张图的

搞清这条流水线，就明白为什么光靠高分辨率不够。你在 ChatGPT App 里上传后，图片会先被缩放并切成 512x512 的 tile，模型再逐块读取（高细节处理会把短边缩到约 768px，再切块）。模型读的是每个 tile，不是你的原始全分辨率图。两个后果：

  • 图越大不等于越好——超过一个点之后只是被重新切块，30px 高的小字塞进一个 tile 里照样糊。
  • 裁剪比放大更有用。 紧凑的裁剪把你关心的字塞进更少、更密的 tile，所以一张 200x200 的裁图常常能读对，整窗截图却失败。

截至 2026 年 6 月，ChatGPT 支持 PNG、JPEG、WebP、非动态 GIF，单张 上限 20MB。HEIC（iPhone 默认格式）并不能稳定上传，先转成 JPEG/PNG。Free 账号每天图片上传次数很少；Plus 大约每天 50 张、每 3 小时 80 个文件（限额会变，当大概数看）。

你属于哪一类

把你的现象对到最可能的原因，按命中率从高到低排：

你看到的现象最可能的原因第一步怎么修
文字糊，整图发软分辨率太低 / 被重压重传原图 PNG，长边 1500px+
只有小字读错数字字母（0/O、5/S）JPEG 压缩 artifact换 PNG，重新截一份
深色 IDE / Notion 截图读错对比度低（深色模式）改浅色重截或反色
给个大概描述，从不读具体prompt 太空给具体的抽取任务
自信地报错图表上的数字图表缺标签 / 图例给原始数据或标注坐标轴
手写 / 古字 / 罕见字读错模型能力边界先用 OCR 转录
有条纹、文字歪斜、反光拍摄问题（拍屏幕 / 拍纸）直接截图或用扫描 app
图根本传不上去 / 报错HEIC / 超 20MB / 超配额转格式、压小或查套餐限额

1. 分辨率太低，或图片被重新压缩

最常见。手机截图发到微信再下载下来已经是缩略图，长边只剩 800px 以下。文字一糊就读错。

如何判断： 在 ChatGPT 里点开图查看原始大小。长边低于 1024px = 概率高。重传原图，不要走任何聊天 App 的压缩中转。

2. JPEG 压缩把小字弄糊

JPEG 在小字 / 边缘处有 ringing artifact，OCR 把 0 读成 O、5 读成 S。

如何判断： 读错集中在小字（约 12pt 以下）。换 PNG 重传——PNG 无损，也是 OpenAI 官方对截图和图表的推荐格式。

3. 深色模式截图，对比度低

深色背景 + 深灰字（IDE 和 Notion 默认配色）识别率明显下降，而低对比文字恰恰是 vision 模型最爱”脑补”字符的地方。

如何判断： 用浅色模式重截一份，准确率明显提高 = 就是对比度问题。

4. Prompt 没指明要抽取什么

“看一下这张图”会给个大概描述，从不读具体；“读出 y 轴所有刻度数字”会强制扫描那个区域。

如何判断： 你的 prompt 只是”看 / 描述 / 这是什么” = 太空。

5. 图表 / 数据视觉本身缺要素

没标轴、没图例、颜色相近、堆叠柱重叠——人类也读不出来，模型同样读不出。从没标签的图表里读准确数值，是 vision 公认的弱项。

如何判断： 拿给同事看一秒，他也读不出数字 = 图本身信息密度不够。

6. 手写、古字或罕见字体

vision 对手写、繁体、日文汉字、行楷的识别远低于标准印刷体。这就是模型最弱的一块，没有例外。

如何判断： 识别率约 50% 以下，且错的全是这类内容 = 当前模型能力边界。先转录。

7. 屏幕反光或透视形变

手机拍电脑屏幕会出现摩尔纹；拍纸文件有透视歪斜。OpenAI 自己的建议也是重新拍一张清晰的，而不是去放大一张已经糊掉的图。

如何判断： 有规律性条纹、文字不水平、或高光斑点 = 拍摄问题。直接截图或正面拍。

动手前先确认

  • 记下问题是出现在普通对话、Project，还是 Custom GPT。vision 在三者里能力一致，只是配额可能不同。
  • 复现前把当前对话和原图都备份，避免旧历史污染下一次诊断。
  • 确认套餐。Free 账号每天图片上传额度很少，超额时是直接上传失败，而不是读错。

动手前先收集这些：

  • 图片真实分辨率（宽 x 高）、文件大小（KB）、格式（PNG / JPG / HEIC）。
  • 来源：自己拍 / 截图 / 别人发 / 网图保存。
  • 完整 prompt 文案 + 读错的回复（具体哪几个字 / 数字错了）。
  • 当前模型，以及是否在 Project / Custom GPT 里。

最短修复路径

按收益从高到低排，前 2 步通常修 70% 的问题。

Step 1：重新导出 1500px+，用 PNG

低分辨率是最常见也最容易修的：

  • 截图用系统工具（macOS Cmd+Shift+4，Windows Win+Shift+S）原始保存，不经过任何压缩中转。
  • 手机截图用 AirDrop、iCloud，或”不压缩发送”（Telegram”以文件形式发送”）传到电脑，别走微信 / WhatsApp。
  • 已经低分辨率的图先 upscale：macOS Preview，Tools -> Adjust Size，长边设 1500px、分辨率 300dpi。
  • 文字 / 截图用 PNG，照片才用 JPG（quality 95+）。
  • iPhone 上如果根本传不上去，先把 HEIC 转成 JPEG（相册 Share -> Copy Photo 会重新编码，或设 Settings -> Camera -> Formats -> Most Compatible）。

Step 2：裁剪到你真正关心的区域

整窗截图会把模型注意力分散到很多 tile 上。裁到包含你实际问题的那块，识别率立刻上去：

# macOS 内置
Cmd+Shift+4 -> 拖选区域 -> 自动保存到桌面

# 现成软件
Snipaste / ShareX / Skitch（带标注）

Step 3：用定向转录 prompt

不要”看图说话”，给具体抽取任务。要求”逐字、完整转录”（而不是总结），才能把模型推向忠实 OCR：

文字识别：
Transcribe every word visible in this image, in reading order
(top-to-bottom, left-to-right). Use "[unclear]" for any character
you cannot read with high confidence. Do not summarize or paraphrase.

图表数据：
This is a bar chart. List each x-axis label and its corresponding
y-axis value as a two-column table. State your confidence (high /
medium / low) for each row.

UI 截图：
Read the text inside the red box only. Ignore everything outside it.

Step 4：在图上标出重点区域

vision 对”框 / 箭头 / 颜色高亮”的区域注意力明显更高：

  1. 截图后用 Preview / Snipaste / Skitch 画红框 / 箭头。
  2. prompt 里说 focus on the red box / arrow。
  3. 多个关注点用不同颜色，再在 prompt 里映射：“green box = section A, red box = section B”。

Step 5：深色模式截图先反色或调亮

深色 IDE / Notion 截图识别率低：

  • macOS Preview：Tools -> Adjust Color -> Invert。
  • 或临时把 IDE 切到浅色主题重截一份。
  • 或截图前调高屏幕亮度和字号。

PowerPoint / Keynote 里也可以右键 Picture Format -> Color Corrections 做明亮 / 对比度调整。

Step 6：手写 / 罕见字体先转录

别在模型最弱的任务上硬磕。手写笔记、古文、名片：

  • 手写：Apple Notes 自带手写转文本；GoodNotes / Notability 导出 PDF 再 OCR。
  • 印刷古文：Google Lens 或 ABBYY FineReader。
  • 把转好的文字贴进 ChatGPT，比让它”看图认字”可靠得多。

怎么确认已经修好

  • 开一个全新对话，传同一张图、问同一题。识别正确 = 真修好，不是上次蒙对。
  • 让它描述关键数字 / 字在图里的位置（“右上角，紧贴 logo 下方”）。位置对得上才说明是真读到了，而不是从上下文猜的。
  • 让同事用相同流程截一份再传。识别率一致 = 流程稳定，而不是单张图碰巧好。

如果还是读错

  • 把图切到最小：只留你要识别的那一块（哪怕单个字），看最小用例能不能跑通。
  • 换图源：屏幕截图 -> 重新拍纸版 -> AI 重新画一张同内容的干净图，借此排查是不是原图本身有问题。
  • 换模型对比：ChatGPT（GPT-5.5）、Claude（Opus 4.7 / Sonnet 4.6）、Gemini 3.1 Pro 在手写、表格、图表上的强项不同，一个读不出的另一个常能读出。
  • 如果你有 API 权限，同一张图用文档 / “original” 细节档位 + 更高 reasoning effort，读密集页面比 App 默认行为更好。
  • 准备好原图 + prompt + 错误现象 + 期望识别结果，去 help.openai.com 提工单。

预防建议

  • 截图永远用系统工具直接存原图，绝不经过会重压的聊天 App 中转。
  • 高 stakes 识别（合同 / 财务表）：PNG、长边 >= 2000px、浅色背景。
  • 手机拍纸用专门的扫描 app（Adobe Scan / CamScanner）矫正透视 + 增强对比，比直接拍好得多。
  • 每次让它读数字 / 文字，都要求它”State confidence per item”，低 confidence 的人工再核一遍。
  • 让 vision 读图表前先问自己：能不能直接拿到原始 CSV / 数据？能就别让它读图。

常见问题

为什么 ChatGPT 截图里一部分读对，剩下却是编的？ 低对比或小字恰恰是 vision 模型最爱”脑补”的地方。它会用看似合理的字符补上读不清的部分，而不是承认读不出。重传一张更清晰的 PNG，并加上”读不准的地方用 [unclear] 标出”，逼它标出空缺而不是瞎猜。

传更大、分辨率更高的图一定更好吗？ 不一定。App 无论如何都会把图切成 512x512 的块，所以长边超过约 1500-2000px 之后几乎没增益。紧凑裁剪几乎总能胜过整页大图，因为它把目标文字塞进更密的 tile。

我的 iPhone 照片根本传不上去，怎么回事？ 多半是 HEIC。截至 2026 年 6 月，ChatGPT 能稳定接收 PNG、JPEG、WebP、非动态 GIF，单张上限 20MB；HEIC 常常失败。设 Settings -> Camera -> Formats -> Most Compatible，或先把照片另存为 JPEG 再上传。

同一张图在 API 里读得对，App 里却不行？ API 暴露了细节 / “original” 档位（保留更多分辨率），以及给图表用的更高 reasoning effort。消费版 App 会替你自动选，通常偏向速度。在 App 里靠裁剪 + 定向 prompt 能补上大部分差距。

ChatGPT 是直接拒绝 / 卡住而不是读错——这是另一类问题吗？ 是的。如果它根本不读这张图，大概率是超了套餐每日图片配额、文件超过 20MB，或格式不支持（HEIC）。那是上传 / 限额问题，不是 OCR 准确率问题。

相关阅读

标签: #ChatGPT #ChatGPT 文件 #排查 #排查 #图片上传

相关文章