纸质发片和Excel账单明细的逐行核对，是财务工作中最消耗精力的环节之一。稍不留神，小数点错位、跳行漏看、重复录入这些“小问题”就可能埋下隐患。现在，阶跃AI的多模态识别技术可以直接处理这个痛点——上传发片，系统自动与Excel数据对齐，校验逻辑关系，标记出差异项。

我们先来快速拆解一下它的处理流程：上传发片文件后，系统通过视觉编码+OCR提取结构信息与文本内容；同时导入Excel或纯文本账单，自动解析字段并进行语义映射；接着执行字段对齐、基于图神经网络的明细匹配和逻辑校验这“三重核验”；最终生成双栏对比视图和可导出的差异报告。整个过程自动完成，不需要手动干预。

上传文件并触发多模态识别

在阶跃星辰STEP3-VL-10B的WebUI界面下，操作很直接。点击【上传文件】按钮，选择发片图片（JPEG或PNG格式都可以）或者PDF文件（不超过20MB，页数控制在2000页以内）。系统会自动调用视觉编码器提取发片的布局结构和文本块，同时OCR引擎开始进行字符识别。

➡️ 这里有一个前提需要注意：发片图像不能有大面积的反光或者手指遮挡关键字段，否则金额等关键区域可能会被模型跳过。

上传完成后，在右侧的“任务类型”下拉菜单中选择【发片-账单明细比对】，然后点击【开始分析】即可。

导入账单明细数据

导入Excel数据有两种方式，都很方便。

方法一：直接拖拽

如果你有Excel文件（.xlsx或.xls格式，要求单表且首行为字段名），直接拖入窗口即可。系统会自动解析为结构化表格，并识别出“商品名称”“数量”“单价”“金额”等常用列名。假如遇到“总价”“合计”“应付金额”这类有歧义的列名，模型会根据上下文语义自动归类为“总金额”字段，不需要你手动指定。

方法二：粘贴文本

你也可以直接粘贴纯文本格式的表格（用制表符或逗号分隔）。每条明细占一行，字段顺序不要求严格对齐——模型会根据字段值的分布特征来自动映射。比如，凡是包含“¥”或“元”的列会被判定为金额，18位数字串则被识别为税号。

⚠️特别提醒：如果Excel文件中涉及合并单元格或嵌套表头，导入前务必先另存为“仅数值+标题”的格式，否则表格结构解析很可能会失败。

执行三重交叉核验

这步是整个功能的核心，模型会依次执行三个层次的核对：

第一层：字段级对齐

模型将发片上的“开票日期”“收款方名称”“税号”等非明细字段，与Excel表头中同义的字段（如“供应商”“销方税号”）做语义匹配，并生成一个映射关系表。这相当于先把两个数据源的“脑袋”对齐了。

第二层：明细行关联

对发片上的商品明细表格，模型采用图神经网络（GNN）来还原行列结构，然后与Excel中的明细逐行进行组合匹配。匹配依据是“商品名称+规格+数量”，并且支持一定程度的模糊匹配。举个例子，“iPhone15”和“苹果iPhone 15”会被认为是同一商品。那些无法匹配的行会被自动标记为‘新增项’或‘缺失项’。

第三层：逻辑校验

这是最关键的一步。模型会自动计算Excel明细行中“数量×单价”之和，并与发片上的“价税合计”进行比对。同时还会检查税率栏是否与国家税务总局最新目录一致，并识别发片专用章是否覆盖了关键字段造成遮挡。所有逻辑层面的问题都会在这里被揪出来。

查看并导出差异报告

核验完成后，系统会生成一个非常直观的双栏对比视图：左栏展示发片原文，并高亮标注；右栏展示Excel明细。所有存在差异的地方，都会用红色边框加叹号图标标出，一目了然。

点击任意一个差异项，会弹出详情浮层，显示发片原始值、Excel对应值以及具体的偏差类型。比如“金额差￥12.50”“日期格式不一致”“税号位数错误”等。

如果想把结果保存下来，只需点击【导出报告】，可以选择PDF或Excel格式。导出的报告内容很完整，包含差异总数和严重等级的摘要页、逐项的明细表，以及带有坐标定位的发片截图标注页，方便存档和后续跟进。