用 ChatGPT 或 AI 把 PDF 转成 Word

最后更新：2026-09-16

「用 AI 把 PDF 转成 Word」到底在做哪三件事

PDF 存的不是文档，是一页纸的绘制指令：这个字形画在这个坐标，然后画下一个。文件里没有任何 一句话说「这四十个字形是一个标题」。把它们重新认出来，是 三件各自独立成败的事。

一、把字拿到手。文字版 PDF 自带文字层，字符连同坐标直接读出来。扫描页里一个字符都没有，只能从像素里认。两件完全不同的事，从外面看一模一样。

二、判断结构。哪几行是标题、哪一块是表格、格子边界落在哪里、分栏在什么地方断开。这是从几何和文意里做推断，最吃判断力，也正是模型擅长的一段。

三、把文件写出来。.docx 不是文本，是一包对象：段落样式、表格网格、节属性、按名字引用的字体。Word 能给你大纲导航和自动重排，是因为这些对象在包里， 所以总得有东西把它们写进去——写它的那一方，决定了你的文档里到底有什么。

前两件是读，第三件是写文件，也是结果分岔的地方：同一页读得再准，出来的既 可能是真的 Word 对象，也可能是它的一张仿品，取决于谁在写这个包。所以面对任何转换器，都该问第三件事由谁来做。四条常规路线的对比在PDF 怎么转成可编辑的 Word 文档那一页。

文字层还是一张图：五秒钟就能分清

这个判断只要五秒：用鼠标去选一句话。字被选中、能 复制出来，就有文字层；什么都选不中，或者整页一起变蓝，那是一张图。

有文字层，字符本来就在文件里：不需要识别，剩下的交给几何。扫描页里一个 字符都没有，必须有东西去看那张图——这正是视觉模型做得好的事，也是扫描件这条路上 AI 该出场 的理由。识别的边界在哪里，写在扫描件 PDF 转可编辑 Word那一页。

一份文件可以两种都是：合同正文是干净的文字版，最后一页签字盖章却是扫描的。逐页判别的转换器， 只在真正需要的那几页上花模型的钱。

中文稿子在这条路上，多三个坑

字可能是被「复述」的，不是被「抄」的。语言模型按概率往下生成文字，复述和逐字誊抄，对它是两种行为。中文没有词间空格，同音近形的字又多，换掉一个字往往仍然 读得通。所以中文稿拿回来要抽查的不是通顺度，是人名、地名、金额、条款 编号这些换掉也不别扭的地方。

繁简可能被顺手统一。正文简体、引文繁体，或者港台名称夹在简体正文里，这类混排很容易被抹平成一种。原稿是什么就该是什么，这一条只能你自己核。

字体是按名字存的。.docx 里存的是字体的名字，不是字体本身。名字写对了、你的 机器上却没有这个字体，整页就是空方框。这不是转换错，是字体名的事，解法写在 中文 PDF 转 Word 为什么会变成方框和乱码那一页。

拿到 .docx 之后，自己查这四项

别听任何人描述自己的输出。把结果打开，跑下面四项。任何来源的 .docx 都适用，加起来一分钟。

1. 把光标点进表格里。只有光标真的落在表格对象里，功能区才会多出表格专用的 选项卡；微软自己的文档写的是，选中表格时会出现「表设计」和「布局」这两个上下文选项卡。 它们出现，你就拿到了真表格；功能区纹丝不动，那是用制表位或一张图拼出来的样子。
2. 打开标题大纲。用标题样式写的标题会排成一份可点的大纲；只是字号大、加粗的 普通段落，大纲是空的。微软的文档写明导航窗格在「视图」选项卡下，或者按 Ctrl+F；它同时写明 这个窗格在 Mac 版和网页版里行为不同；找不到就换一招：点一下标题，看样式框里 写的是「标题 1」还是「正文」。
3. 点一行字，看字体框。框里是一个具体的字体名，说明原来的字体被量到并搬了 过来。框是空的，说明这一选区里字体不止一种——在标题里正常，在一个段落中间就该警觉。
4. 在段落中间打字。真正的文字会把后面的内容往下顶，整页 像你自己写的稿子一样重排。如果版面当场散架、旁边一块跟着跳，或者根本推不动，那你其实是在一张图旁边打字，结构从一开始就不存在。

同一页文档在两个工具里各跑一遍，两分钟得到的信息比任何对比文章都多，因为量的是你 自己的文件。你要的如果是能排序、能求和的数据，同一套重建可以直接写成单元格，见 PDF 表格转 Excel。

标题、分栏和间距上是同一道坎： 版面不散地转出来， 靠的同样是三件事里的第三件。

如果你要的其实是「把 AI 的回答存成 Word」

两个需求用的词几乎一样，方向正好相反：一个是把你手上那份 PDF 重建成能改的 Word，另一个是把对话里的一段回答存成 .docx 发出去。

第二件事是排版，不是重建。文字本来就是文字，没有东西要识别，也没有版面要从坐标里推断，你 只是在给已经成型的内容挑样式——浏览器插件和「粘进文字处理器」就是干这个用的。这一页讲的 东西对它一条都不适用，我们也不做这件事。

自带 API key：用你已经在付钱的那个模型

如果你本来就在为某个模型付费，也更放心让它来读，这条路是开的。在首页转换控件下面展开进阶 面板，选你的服务商——Anthropic、OpenAI、Gemini，或者任何 OpenAI 兼容的端点（自建或本地部署的模型服务也算）——把 key 粘进去。它只用在这一次转换上，不保存、不记录，账单记在你自己的服务商那里。

对不方便外发的稿子，读你这几页的是谁、账记在哪，都由你定。分工也 因此很清楚——读这一半是你的，写出这份 Word 是我们的。key 的输入框就在 PDF 转可编辑 Word 首页上传面板的进阶区里。

我们怎么做：模型负责读，另一套程序负责写

我们自己就是一个 AI 产品，在这一页上装作不是就太滑稽了。每一页先做判别。带 文字层的页走一条完全不调用模型的路——字符和几何直接从文件里出来，这也是文字版在这里能免费转的原因。Basic 模式免费、无需账号：每天 10 页、每月 100 页；登录后每天 100 页、每月 1000 页。扫描页交给 AI 视觉模型，把字和它周围的结构一起读出来。

关键在下一段。模型返回的东西没有一个字被直接写进你的文档。读出来的结果先落成 一份结构化描述——这是标题、这是一张几行几列的表、这里是两栏——再由一套独立的生成程序把它变成 Word 包：段落样式、表格网格、节属性、按 Word 的规矩命名的字体。模型读，程序写。 上面那四项自查之所以能过，靠的就是这一层隔开。

同一份描述也可以写成别的格式：一次上传，可以要 Word 文档，也可以要 Excel 工作簿或者 Markdown，价钱一样。

要花多少钱

本来就带文字的 PDF 免费，不用注册、没有水印，因为这条路一分模型的钱都不花。 Basic 模式免费、无需账号：每天 10 页、每月 100 页；登录后每天 100 页、每月 1000 页。扫描页要真金白银地读：AI 模式把扫描件转写成真正可编辑的文字，需要登录并绑定付款方式，与 Basic 共用同一份账号额度；超出后按已购页数计费。自带 API key 的转换完全不计入额度。

转扫描页有两条路。粘自己的 API key，直接付给你的模型服务商；或者登录并绑定付款方式走 AI 模式——按页购买的套餐列在 价格页上，目前还没有开通。两条路一样， 转换产物大约六小时后自动删除。

从哪里开始

找一页你熟的稿子，最好带张表格，转一遍，在信任它之前先跑那四项。表格选项卡出现了、大纲有 内容了、在段落中间打字整页会重排而不是散架，那你拿到的就是一份文档，而不是一张文档的照片。 你可以在这里PDF 转可编辑 Word，不用注册、没有水印、不装软件；想让自己的 模型来读，就把 key 带上。

参考资料

菜单位置以微软自己的文档为准，2026-09-14 核对。界面会变，以链接为准。

• 微软支持 — 在 Word 中使用导航窗格（「视图」选项卡下的位置、 Ctrl+F，以及微软自己写明的 Mac 版与网页版差异）。
• 微软支持 — 在 Word 或 PowerPoint for Mac 中调整表的大小 （选中表格时出现「表设计」和「布局」上下文选项卡）。