WeChat Pay のスクリーンショットから クリーンな支払いログへ — 金額、加盟店名、取引番号を一括取得

中国語のUIラベルが西洋のOCRツールを混乱させる。 英語のラベル用に作られたツールは、「金额」が「金額」で「交易单号」が取引番号であることを認識できません。

3種類の取引タイプがあり、それぞれ表示される項目が異なる。 加盟店支払いでは金額、加盟店名、取引番号が表示されます。個人間送金では金額と表示名は表示されますが、取引番号はありません。紅包（レッドパケット）は開封後の金額のみ表示されます。

取引情報はフォーム内ではなく、チャットの中にある。 支払い確認画面は、会話スレッド内のカードとして表示され、メッセージやシステム通知に囲まれています。Redditや開発者フォーラムでは、OCRツールが「日時を変えてしまったり、金額を読み取れなかったりする」という報告が 一貫して 寄せられています。これはまさに、支払いカードと周囲のインターフェース要素を区別できないからです。

AIが中国語のラベルを意味的なアンカーとして読み取ります。「金額」というラベルを認識し、その値を「金額」列に自動で紐付けます。ユーザーが英語で列を定義すれば、AIが中国語のラベルと値の視覚的なペアリングを基にマッピングします。

1つの列設定が3種類すべての取引タイプで機能します。「金額」「取引相手」「日付」「取引番号」を一度定義すれば、加盟店支払いでは全フィールドが、個人間送金では「金額」と「取引相手」が、紅包では最低でも「金額」が自動入力されます。

視覚構造の認識により、支払いカードとチャットノイズを分離します。ビジョンモデルが支払いカードを独立した視覚オブジェクト（WeChat Payヘッダー付きの枠線で囲まれた長方形）として識別し、その内部のデータのみを読み取り、周囲のメッセージは無視します。