我一直喜欢读纸书，也习惯在书上划线、圈重点、写批注。但一本书读完之后，这些认真留下的痕迹往往也就停在了纸页里。微信读书、Apple Books、Reeden 这类阅读软件可以很轻松地把划线笔记导入 Obsidian 或 Notion，而纸上的笔墨，却难以无缝连接数字笔记。
作为一个 Obsidian 爱好者，我一直在找一款能补上这一环的应用：拍下书页，它就能识别我划过线、高亮过或圈画过的文字。iOS 自带的 Live Text 识别印刷文本已经很准，但它不知道我具体划了哪里，一两页还能手动整理，真要认真处理一本书就不现实了。我也试过 Highlighted、白描、vFlat Scan、ShelfMe 等应用，它们各有特点，却都没有解决我最在意的问题。
大模型开始普及之后，我又尝试把书页照片丢给豆包、DeepSeek、ChatGPT、Gemini，试了一轮，发现结果时好时坏：有时漏掉划线，有时又把没划的内容一起摘出来。
试了一圈之后，我还是有点不甘心。这个需求并不难解释，我只想拍下书页，然后拿到自己划过的那几句话。既然找不到合适的工具，我决定自己做一个试试。
我给它起名叫 Inkive，读作 /ˈɪŋkɪv/。
一张书页照片，怎样变成划线笔记
Inkive 要回答的问题是：读者划线时，真正想留下来的内容是什么？ Inkive 要完成三步：先找到书页上的划线，再读出划线附近的文字，最后根据划线和文字判断读者想留下哪句话。
第一步，是找到书页上的划线。
一张书页照片里，可能同时有下划线、马克笔高亮、圈画，也可能有纸张纹理、阴影、背面透过来的字迹。要让应用先看见这些标记，通常需要训练一个图像分割模型。简单说，就是让模型从整张照片里把「读者留下的痕迹」单独分出来。
我没有算法背景，但之前体验「寻隐」时，发现 Core ML 已经可以在手机本地运行相当复杂的模型。于是我决定试试：能不能用它识别书页上的划线。
模型训练对我来说完全是陌生领域，我借助 AI 把整个过程一步步跑通：准备数据、完成标注和训练，再判断结果有没有变好。我的标注数据大多来自读书博主分享的照片——纸张材质、光线、拍摄角度、划线习惯各不相同，一度塞满了我的手机相册。
在完成标注之后，我开始一轮轮训练模型。每一轮结束后，我都会让 AI 帮我看准确率、召回率和损失值这些指标和趋势，也会逐个检查失败样本：是浅色高亮漏掉了，还是把背面透出来的划线误识别成了正面标记。我会根据这些失败样本判断下一批该补什么数据、训练参数又该怎么调。
最终，这个本地模型在测试集上的准确率达到 0.94，召回率达到 0.88。它还不完美，但已经足以证明：在手机上识别书页划线，这条路可以走通。
第二步，是读取划线附近的文字。
找到划线之后，Inkive 还要读出它附近的文字。OCR，也就是图片文字识别，已经相当成熟。iOS 系统 Vision 框架在识别印刷文本时表现不错，但纸书照片比截图和扫描件更复杂：书页会弯，照片会歪，光线会不均匀，单双页一起拍时版面也更复杂。中文纸书的密集文字和复杂版面又增加了识别难度。
我一开始把很多精力花在透视校正上。照片歪了、书页弯了，直觉上当然会想先把页面拉平。我尝试过传统文档处理方法，也接入过不同的 dewarp 算法，但效果始终不够理想，不如 vFlat Scan。为此纠结了很久。
后来我发现，自己其实搞错了目标。Inkive 不是文档扫描应用，不需要生成一张完美的书页照片。重要的是处理之后，划线附近的文字能不能被准确读出来。 我还走过不少弯路，比如识别文字行的中线、拟合下划线的像素轨迹。这些传统 CV 尝试花了不少时间，也帮我排除了几条不适合 Inkive 的技术路线。
直到 6 月看到 PPOCR v6 发布，我发现它对中文纸书照片的识别比系统 Vision 框架更稳定。原本我已经准备了云端 OCR 预案：如果本地识别效果不够好，就把图片上传到服务器，用云端模型识别。PPOCR 让我可以继续坚持本地处理，把书页照片、划线结果和识别过程都留在设备上。
PPOCR 让我可以继续采用本地处理，这对 Inkive 很重要：书页照片、划线结果和 OCR 过程都留在设备上。用户不用上传照片，我也不必为每次识别支付云端费用。
第三步，是判断读者真正想留下哪句话。
这一步直接决定了最终结果是否可用。前面的划线识别和文字识别，都有相对明确的模型可以依赖；但一条划线到底对应哪句话，模型最终还得推测读者当时想留下什么。人在纸书上划线时，并不会像机器标注一样精确。可能多划了一个字，少划了半句话，也可能一条线跨过两行；马克笔高亮会涂出去一点，圈画也可能盖住旁边的字。Inkive 不需要让结果与笔迹像素级重合。只要读者看到结果时觉得“对，我划的就是这句话”，它就是可以接受的。
所以，这一步花掉了我最多的时间和精力。到了这一步，文字识别准确率已经不够用了。我开始关注另一个指标：可接纳率。边界偶尔差一点没关系，只要结果符合人的阅读判断，就仍然可以接受。最终，在测试集中，95% 的结果无需修改或只需轻微校对。这个表现已经达到我愿意日常使用的水平。
Inkive，读完，拍完，带走
想把一本书笔记带回 Obsidian，不需要改变原本的阅读方式。你还是像以前一样读纸书，用自己习惯的笔划线、圈重点、写批注。读完以后，打开 Inkive，把相关书页一页页连续拍下来。识别完成后，你可以逐条校对书摘，也可以直接预览整本书的结果。确认无误后，再导出为 Markdown 文件。对我来说，Inkive 的价值就在这里：把停留在纸页上的划线带回 Obsidian，和过去的阅读、写作、思考连接起来。
最后放一段完整录屏，看看 Inkive 怎样处理一本书的划线。
后记
在 Inkive 接近完成的时候，我注意到一个海外创业团队也推出了一款智能书签硬件 Mark II，类似国内的词典笔，用户需要用专门的设备在纸书上「划线」，内容再通过云端大模型识别，并同步到 Notion 和 Readwise。售价 159 美元，预计 2026 年 Q3 发布。
刚看到 Mark II 时，第一个念头是：原来不只我在寻找连接纸书划线和数字笔记的方法。不过，它选择了专用硬件和云端模型，而 Inkive 走的是手机应用加本地模型的路线。它不要求读者改变原本的阅读习惯：你还是捧起纸书阅读，用自己的笔划线、做笔记；Inkive 只在读完之后用手机处理书页。两种产品解决的是相似需求，但路径很不一样。
Inkive 只想把一件事做好：连接纸书和数字笔记，把阅读时留在纸页上的划线送回你的笔记系统。
Inkive 刚刚上架 App Store，现阶段先把 iOS 上的效果和体验做好。Android、Web 和小程序版本仍在计划中。
