车辆物流识别 行驶证识别 驾驶证识别 电子面单识别 车牌识别 车辆vin码识别 机动车注册登记证识别 车辆合格证识别 小语种识别 通用多语言识别 英语专项识别 日语识别 俄语识别 韩语识别 泰语识别 拉丁语识别 教育场景识别 口算判题 题目...
示例：{"Content":"5rWL6K+V5paH5a2X5*","FontName":"SimSun","FontSize":"16","Top":2,"Left":10} 示例代码 在转码成 720P（1280×720）清晰度的MP4视频文件时，同时设置3个水印，并显式覆盖水印参数：图片水印 以右上角为参考位置，显示...
OCRDataList Array of String abc 识别到的图片中的完整文字信息。Frames Array of Frame 如果待检测图片因为过长被截断，该参数返回截断后的每一帧图像的临时访问地址供您参考。URL String http://xxx.xxx.com/xxx-0.jpg 被截断的图片的...
获取任务信息 查询任务列表 图片数据处理 图片数据处理功能支持图片的自动识别、标签检测，格式转换，图片处理以及人脸识别技术，提供一站式的图片管理和应用需求。功能集 功能 功能描述 参考文档 图片检测识别 图片标签检测 图片标签检测...
图片内容解析 图片内容理解服务：基于多模态大模型对图片内容进行解析理解以及文字识别，解析后的文本可用于图片检索、问答场景。图片文本识别服务：OCR图片文本识别，识别后的文本可用于图片检索问答场景。文档切片 提供通用文本切片服务...
阿里云智能媒体管理（Intelligent Media Management，简称IMM）与存储产品无缝结合，为云上文档、音视频、图片等数据，提供一站式数据分析、处理、检索、管理等能力。产品概述 智能媒体管理针对不同行业的业务场景，封装并整合了完整的数据...
2020-03-20 华东2（上海）已下线 外卖单识别 识别外卖单上的关键字段内容，输出商店名称、电话、包装费、配送费、商品合计、其他费用合计、顾客优惠合计、总件数、在线支付、订单编号、下单时间等。目前支持饿了么外卖单。2020-03-20 华东2...
使用场景 您可以将本地发布端或订阅端的音频数据通过阿里云语音识别服务转换成文字，实现流程如下所示：阿里云RTC会将音频数据发送至音频识别SDK中。音频识别SDK将音频数据发送至音频识别服务进行实时语音处理并返回识别结果。音频识别SDK...
异步将一批图片上的文字从一种语言翻译成另一种语言，并分别输出新的图片。请确保在使用该接口前，已充分了解图片翻译产品的 收费方式和价格。该接口适用于 通用图片翻译和 电商图片翻译；如需调用证件翻译，请参考 证件翻译调用指南。图片...
异步将一批图片上的文字从一种语言翻译成另一种语言，并分别输出新的图片。接口说明 请确保在使用该接口前，已充分了解图片翻译产品的 收费方式和价格。该接口适用于 通用图片翻译和 电商图片翻译；如需调用证件翻译，请参考 证件翻译调用...
图片内容解析 图片内容理解服务：基于多模态大模型对图片内容进行解析理解以及文字识别，解析后的文本可用于图片检索、问答场景。图片文本识别服务：OCR图片文本识别，识别后的文本可用于图片检索问答场景。文档切片 提供通用文本切片服务...
将图片上的文字从一种语言翻译成另一种语言，并输出一张尽可能忠于原图的新图片。接口说明 请确保在使用该接口前，已充分了解图片翻译产品的 收费方式和价格。该接口适用于 通用图片翻译和 电商图片翻译。如需调用证件翻译，请参考 证件...
视频水印，指在视频上添加相关标志性信息（如企业Logo、电视台台标、用户昵称、用户ID等），以突出品牌、维护版权、增加产品的识别度。视频点播支持静态图片水印、动图水印和文字水印三种水印类型，您可按需选择。工作原理 视频点播的水印...
本文介绍文字识别使用自定义权限策略的场景和策略示例。什么是自定义权限策略 在基于RAM的访问控制体系中，自定义权限策略是指在系统权限策略之外，您可以自主创建、更新和删除的权限策略。自定义权限策略的版本更新需由您来维护。创建...
模块划分 能力说明 语音转写 语音转文字：能够将实时音频流或音视频文件中的语音转写成文字，支持中文、英文、粤语、中英混、日语、韩语的转写。转写结果可返回段落、句子划分和词级别的起止时间，用于对应字幕展示。说话人分离：能够将...
由于产品业务调整，阿里云视觉智能开放平台文字识别（OCR）中的 文档结构化还原识别、外卖单识别、证件翻拍识别、门头照识别、护照MRZ码识别、中国护照识别、户口页识别 7个公测能力将于 2023年06月30日 起停止API服务，后续不再支持新老...
模型规格 功能说明 图像编辑 2025-12-23 qwen-image-edit-plus-2025-12-15 通义千问图像编辑发布的最新快照模型，相较于上一版本提升了角色一致性、工业设计能力和几何推理能力，并优化了编辑后的图片与原图在空间布局、纹理和风格上的匹配...
DetectImageTexts 图片文本识别 图片文本识别，将图片上的文字内容智能识别成为可编辑的文本。媒体处理 API 标题 API概述 CreateMediaConvertTask 创建媒体转码任务 创建一个异步的媒体转码任务，提供媒体转码、媒体拼接、视频截帧、视频...
零售/互联网/电商 为内容治理（海报/宣传页/商品详情页）、资质审核（商家入驻）、商机/品牌挖掘等场景，提供图片识别文字服务，支持电商图片、营业执照、房产证、银行开户许可证、表格、高精、通用等识别能力。联系我们 如果您有任何需求...
在页面上的光标处输入文字，在输入的过程中，插入点从左向右移动。说明 如果输入了一个错字或字符，可以按Backspace键删除该错字，然后输入正确的文本。当输入的文字到行尾时，会自动换行，如果按Enter键则开始新的段落。在输入过程中，还...
接口说明 本接口适用场景 阿里云电商图片文字识别，是阿里云官方自研 OCR 文字识别产品，支持电商商品宣传图片、社区贴吧图片、网络 UGC 图片识别，针对电商海量图片内容核查就场景进行特定优化，只输出文字块内容及坐标，极大提升识别效率...
媒体处理可以将一个音视频文件转换成另一个或多个音视频文件，以适应不同网络带宽、终端设备和用户的需求。对媒体的内容、文字、语音、场景进行多模态分析，实现智能审核、内容理解、智能编辑等多种处理功能。音视频转码 把音视频码流转换...
AI平台OCR图片文字识别/文本向量服务 OCR图片文字识别：针对架构图、分析图表等图片数据，AI搜索开放平台提供图片内容理解服务，可基于多模态大模型对图片内容进行解析理解以及文字识别，也可基于OCR能力对图片文字进行识别，将文字信息...
结构化卡证OCR能够识别证件类图像中的文字并以结构化的方式返回文字内容。使用该场景的前提是您知道要检测的图像包含哪种类型的证件。结构化卡证OCR目前支持识别以下卡证类型：营业执照、身份证（人像面和国徽面）、护照、银行卡、驾驶证...
图片：水印类型选择图片，即在视频中添加图片类型的水印，支持 jpg、png、gif 等格式的图片。目前暂不支持直接导入图片，因此需要将图片先上传到公网中，然后在 图片地址 的输入框中输入图片的公网访问地址。文字：水印类型选择文字，即在...
图片信息识别：识别身份证号码、姓名、有效期等信息。用户回答检测：离线识别用户的回答内容。离线 AI 能力：支持在离线无网状态下对本地双录进行交互式检测，扩展展业场景。本地双录 SDK 检测能力 本地双录 SDK 提供如下检测能力：人脸...
Native 2024-07-31 智能体回调 实时字幕 AI智能体和用户的对话信息将会被实时转换成文字，并由客户端进行展示。Native 2024-07-31 实时字幕 欢迎词 您可以在用户与AI智能体开始对话时设置欢迎词。控制台&API 2024-07-31 数据归档 用户和AI...
本文为您介绍使用文字识别（OCR）OpenAPI的基本信息及注意事项。说明 关于如何使用阿里云OpenAPI，请参见学习文档：使用OpenAPI。基本信息 版本说明 版本号 说明 2021-07-07 推荐 接入点说明 参见 服务接入点。用户身份 用户身份 支持情况 ...
功能描述 定额发票识别能力可以对定额发票上的发票号码、发票代码、发票金额进行结构化识别。说明 定额发票识别接口仅识别发票中的文本内容，不支持辨别发票真伪。您可以进入 在线咨询 获取在线人工帮助。当前能力可在视觉智能开放平台有...
AI平台OCR图片文字识别/文本向量服务 OCR图片文字识别：针对架构图、分析图表等图片数据，AI搜索开放平台提供图片内容理解服务，可基于多模态大模型对图片内容进行解析理解以及文字识别，也可基于OCR能力对图片文字进行识别，将文字信息...
说明 需要开启的识别功能可以在智能标签任务模板中的分析类型中进行配置：分析类型中开启人脸识别、文字识别、语音识别分别对应 视频人脸识别、视频文字识别标签、视频语音识别标签 计费项。其他分析类型对应 视频分类+结构化标签 计费项...
STT 语音转文字 该节点负责将语音输入转换成可读的文字格式，支持多语种识别。系统预置：系统预置模型支持您选择语言模型、设置静默时间以及配置自定义热词。语言模型：您可以根据您的业务场景，选择不同的语言模型。静默时间：当用户没有...
STT 语音转文字 该节点负责将语音输入转换成可读的文字格式，支持多语种识别。系统预置：系统预置模型支持您选择语言模型、设置静默时间以及配置自定义热词。语言模型：您可以根据您的业务场景，选择不同的语言模型。静默时间：当用户没有...
图片解析服务 针对架构图、分析图表等图片数据，提供图片内容理解服务，可基于多模态大模型对图片内容进行解析理解以及文字识别，也可基于OCR能力对图片文字进行识别，将文字信息提取出来，用于图片检索及问答等场景。文档切片服务 提供...
对可信的图片免除风险检测 您可以根据图片的来源或者用途判断某些图片属于可信和可传播的内容，为避免被内容安全的认知和检测算法打上风险标签，您希望对可信的图片库免除风险检测。例如，您业务或平台自身创建的营销素材、官方图片、人工...
接口说明 本接口适用场景 阿里云全文识别高精版，是阿里云官方自研 OCR 文字识别产品，智能识别图片所包含的全部字段，集表格识别、旋转识别、生僻字识别等多功能为一体，提供高性价比的多场景文字识别体验。阿里云 OCR 产品基于阿里巴巴...
文字识别计费介绍 不支持 不支持 二维码识别 文字识别计费介绍 文字识别计费介绍 不支持 不支持 VIN码识别 文字识别计费介绍 文字识别计费介绍 不支持 不支持 PDF识别 文字识别计费介绍 文字识别计费介绍 不支持 不支持 定额发票识别 文字...
具体支持的识别能力类型如下：场景 识别能力类型 通用文字识别（共8类）通用文字识别高精版 通用文字识别基础版 手写文字 电商图片文字 多语言文字 表格 二维码 条形码 个人证照识别（共13类）身份证 银行卡 社保卡 户口本首页 户口本常住...
功能名称 功能说明 多音轨支持 16K的双音轨及多音轨均可支持转写 PPT提取优化 若没有返回PPT演讲摘要，依然可以提取PPT图片 提升性能 缩短文件处理耗时，提升全链路服务的稳定性 2024年10月31日 功能名称 功能说明 自动语种识别新增泰语 音...
接口说明 本接口适用场景 阿里云口算判题识别，是阿里云官方自研 OCR 文字识别产品，适用于整数的加减乘除四则运算、整数的混合运算、大小比较、最大数最小数等的场景。阿里云 OCR 产品基于阿里巴巴达摩院强大的 AI 技术及海量数据，历经...