一、功能介绍 人脸属性检测 增强版 能够识别图片中的人脸属性信息，包括人脸模糊度、人脸角度、人脸位置、微笑程度、是否戴眼镜、是否戴口罩、是否戴帽子、是否有胡子、是否有刘海、头发类型等。专业版支持检测图中人脸是否有夸张表情、...
本文介绍Gummy一句话识别和翻译Java SDK的参数和接口细节。用户指南：关于模型介绍和选型建议请参见 实时语音识别-Fun-ASR/Gummy/Paraformer 和 实时语音翻译-Gummy。在线体验：模型体验 说明 一句话识别/翻译能够直接对一分钟内的音频流...
本文介绍Gummy一句话识别和翻译Java SDK的参数和接口细节。用户指南：关于模型介绍和选型建议请参见 实时语音识别-Paraformer/Fun-ASR/Gummy 和 实时语音翻译-Gummy。在线体验：模型体验 说明 一句话识别/翻译能够直接对一分钟内的音频流...
图片识别功能基于图片AI技术，能够检测图片标签和置信度。重要 智能媒体管理（IMM）后续新增功能、优化均以新版为主，旧版将逐步下线。为了您有更好的使用体验，建议您使用新版的智能媒体管理（IMM）提供的 图片标签检测 功能。关于智能...
使用流程 重要 通过体验馆和SDK调用文字识别OCR服务时，文字识别OCR仅做图片识别并返回结果，不会存储图片和识别结果。免登录体验服务 如果您是新用户（未注册过阿里云账号、未开通文字识别OCR服务），建议先通过 阿里云文字识别体验馆 ...
本文主要介绍如何调用三方语音模型实现语音识别和语音合成，并通过文本调用多模态交互开发套件的交互能力实现完整交互链路。百炼多模态交互开发套件集成了大模型语音识别和语音合成，并提供 VAD、AEC 等音频算法提升交互效果。如果我们提供...
face：视频或图片识别⼈脸。role：视频识别⼈物⻆⾊。object：视频识别物体。tvstation：视频识别台标。action：视频识别动作事件。emotion：视频识别表情。landmark：视频识别地标。scene：视频识别场景。movieIp：视频识别影视 IP，目前...
1.组件介绍 说明 必要前置组件：无 建议后置组件：条件分支（可通过分支条件判断OCR能力是否调用成功并设计后续对应流程）利用本组件可以使用OCR技术识别图片中的各类表格（示例）。2.输入项 说明 请参照可视化编辑器内组件面板中各输入项...
本文介绍Gummy实时语音识别/翻译Java SDK的参数和接口细节。用户指南：关于模型介绍和选型建议请参见 实时语音识别-Paraformer/Fun-ASR/Gummy 和 实时语音翻译。在线体验：模型体验 前提条件 已开通服务并获得API-KEY：获取API Key。建议您...
本文介绍Gummy实时语音识别/翻译Java SDK的参数和接口细节。用户指南：关于模型介绍和选型建议请参见 实时语音识别-Paraformer/Fun-ASR/Gummy 和 实时语音翻译-Gummy。在线体验：模型体验 前提条件 已开通服务并获得API-KEY：获取API Key。...
ServiceCode String 是 alinlp 固定值，只支持alinlp Text String 是 在当地医院行胸部CT检查,回报为“左肺下叶高密度阴影有一空洞”待识别文本，文本长度小于256 返回数据 名称 类型 示例值 描述 Data String FA53D08F-37D1-4D81-BEE7-41F...
本文介绍了如何使用Python SDK图片OCR接口，识别图片中的文字 或卡证 信息。功能描述 通用OCR除了能够识别普通图片中的文字，还能识别结构化的卡证上的文字。关于参数的详细说明，请参见 图片OCR检测API文档。前提条件 安装Python依赖。...
LLM-文本质量打分和语种识别-FastText（DLC）组件主要用于识别文本的语种并计算得分，并根据语种和得分过滤样本。输入的OSS数据文件（JSONL格式，示例）需符合：每一行是一个合法的JSON对象，文件由多行JSON对象组成，整个文件本身不是合法...
智能媒体管理（IMM）二维码检测功能能够识别图片（包括照片、截图等多种类型的图像）中多个有效二维码或条形码的位置及内容。您可以按照以下步骤将二维码检测从旧版（API版本为2017-09-06）迁移至新版（API版本为2020-09-30）。背景信息 ...
本文介绍了如何快速构建能识别图片的百炼聊天应用，在阅读本文前您也可以阅读 如何搭建一个百炼 RAG 应用 一文。前期准备 搭建阿里云百炼应用，模型选择通义千问-VL 发布阿里云百炼应用后，获得 API-KEY 和应用 ID。步骤一：简要搭建魔笔...
TextVisibleControl object 否 图片文本水印控制参数。VisibleText string 否 文本水印文案。格式为 utf8 字符串。水印文本 Mode string 否 文本水印显示模式。取值：pos：固定位置模式。repeat：平铺模式。pos Opacity integer 否 文本...
文本审核 增强版 升级检测能力，帮助用户识别第三方URL链接是否存在欺诈、色情、赌博等风险，守护平台内容生态。本文介绍文本审核用于检测URL风险的服务以及使用方法。功能特性 文本审核 增强版 提供以下审核服务能够支持URL链接风险检测，...
功能描述 公众人物识别能力可以识别图片中的公众人物信息。公众人物是指在一定范围内具有重要影响力、拥有一定的社会地位、被大众广泛关注、且能因此从社会中得到巨大利益、与社会公共利益密切相关的人物，如领导人、科学家、企业家或社会...
组件配置示例 在“AI引擎”中，选择“阿里云文字识别（OCR）”在“待识别图片文件路径”中，填写您希望识别图片的文件路径（本例中以下图为例）高级选项保持默认值 4.2.示例执行结果 5.流程示例 5.1.搭建流程 利用 OCR车牌识别 组件，选取...
组件配置示例 在“AI引擎”中，选择“阿里云文字识别（OCR）”在“待识别图片文件路径”中，填写您希望识别图片的文件路径（本例中以下图为例）高级选项保持默认值 4.2.示例执行结果 5.流程示例 5.1.搭建流程 利用 OCR车辆vin码识别 组件，...
组件配置示例 在“AI引擎”中，选择“阿里云文字识别（OCR）”在“待识别图片文件路径”中，填写您希望识别图片的文件路径（本例中以下图为例）高级选项保持默认值 4.2.示例执行结果 5.流程示例 5.1.搭建流程 利用 OCR混贴发票识别 组件，...
组件配置示例 在“AI引擎”中，选择“阿里云文字识别（OCR）”在“待识别图片文件路径”中，填写您希望识别图片的文件路径（本例中以下图为例）高级选项保持默认值 4.2.示例执行结果 5.流程示例 5.1.搭建流程 利用 OCR银行卡识别 组件，...
组件配置示例 在“AI引擎”中，选择“阿里云文字识别（OCR）”在“待识别图片文件路径”中，填写您希望识别图片的文件路径（本例中以下图为例）高级选项保持默认值 4.2.示例执行结果 5.流程示例 5.1.搭建流程 利用 OCR航空行程单识别 组件...
本文介绍了如何使用Python SDK文本反垃圾接口，识别文本中涉及色情、暴恐、涉政等内容。功能描述 文本反垃圾接口目前仅支持同步检测。关于参数的详细说明，请参见 文本同步检测。一次请求可以检测多条文本，也可以检测单条文本。按实际检测...
组件配置示例 在“AI引擎”中，选择“阿里云文字识别（OCR）”在“待识别图片文件路径”中，填写您希望识别图片的文件路径（本例中以下图为例）高级选项保持默认值 4.2.示例执行结果 5.流程示例 5.1.搭建流程 利用 OCR定额发票识别 组件，...
组件配置示例 在“AI引擎”中，选择“阿里云文字识别（OCR）”在“待识别图片文件路径”中，填写您希望识别图片的文件路径（本例中以下图为例）高级选项保持默认值 4.2.示例执行结果 5.流程示例 5.1.搭建流程 利用 OCR驾驶证识别 组件，...
2021-03-25 华东2（上海）已下线 2021年02月 类目名称 接口名称 功能描述 发布时间 发布地域 相关文档 人脸人体 静态手势识别 可以识别图片中的手势动作等。2021-02-26 华东2（上海）已下线 2021年01月 类目名称 接口名称 功能描述 发布...
face：视频或图片识别⼈脸。role：视频识别⼈物⻆⾊。object：视频识别物体。tvstation：视频识别台标。action：视频识别动作事件。emotion：视频识别表情。landmark：视频识别地标。scene：视频识别场景。movieIp：视频识别影视 IP，目前...
组件配置示例 在“AI引擎”中，选择“阿里云文字识别（OCR）”在“待识别图片文件路径”中，填写您希望识别图片的文件路径（本例中以下图为例）高级选项保持默认值 4.2.示例执行结果 5.流程示例 5.1.搭建流程 利用 OCR出租车发票识别 组件...
组件配置示例 在“AI引擎”中，选择“阿里云文字识别（OCR）”在“待识别图片文件路径”中，填写您希望识别图片的文件路径（本例中以下图为例）高级选项保持默认值 4.2.示例执行结果 5.流程示例 5.1.搭建流程 利用 OCR火车票识别 组件，...
组件配置示例 在“AI引擎”中，选择“阿里云文字识别（OCR）”在“待识别图片文件路径”中，填写您希望识别图片的文件路径（本例中以下图为例）高级选项保持默认值 4.2.示例执行结果 5.流程示例 5.1.搭建流程 利用 OCR网约车行程单识别 ...
智能文本分类 将用户输入的一段文本自动映射到具体的类目上，以帮助用户快速完成文本的分类，并针对文本中的关键标签进行识别和提取。支持平层类目体系或者以树状形式组织的层次类目体系，当前系统内置两种默认分类体系可直接使用：新闻...
识别结果在服务端可保存72小时。重要 一次性上传大规模数据（半小时内上传超过500小时时长的录音）的除外。有大规模数据识别需求的用户，请联系售前专家。智能分轨功能只支持8k单通道和16k单通道的语音。支持调用方式：轮询方式和回调方式...
LLM-语种识别和过滤组件主要用于大语言模型（LLM）的文本数据预处理工作，识别文本的语种并计算得分，并可以根据语种和得分过滤样本。使用限制 仅支持MaxCompute计算引擎。算法简介 使用fasttext算法识别文本语种并计算置信度，目前支持...
组件配置示例 在“AI引擎”中，选择“阿里云文字识别（OCR）”在“待识别图片文件路径”中，填写您希望识别图片的文件路径（本例中以下图为例）高级选项保持默认值 4.2.示例执行结果 5.流程示例 5.1.搭建流程 利用 OCR增值税发票卷票识别 ...
图片Logo识别 适用于图片中含有台标、水印、商标等内容的检测。图片垃圾广告识别 适用于图片中含有广告信息的识别，特别是针对于类似牛皮癣的文字广告有较好的识别效果。图片不良场景识别 适用于图片中涉及毒品、赌博、画中画等内容的识别...
本文介绍Gummy一句话识别和翻译Python SDK的参数和接口细节。用户指南：关于模型介绍和选型建议请参见 实时语音识别-Paraformer/Fun-ASR/Gummy 和 实时语音翻译。在线体验：模型体验 说明 一句话识别/翻译能够直接对一分钟内的音频流（无论...
本文介绍Gummy一句话识别和翻译Python SDK的参数和接口细节。用户指南：关于模型介绍和选型建议请参见 实时语音识别-Paraformer/Fun-ASR/Gummy 和 实时语音翻译-Gummy。在线体验：模型体验 说明 一句话识别/翻译能够直接对一分钟内的音频流...
组件配置示例 在“AI引擎”中，选择“阿里云文字识别（OCR）”在“待识别图片文件路径”中，填写您希望识别图片的文件路径（本例中以下图为例）高级选项保持默认值 4.2.示例执行结果 5.流程示例 5.1.搭建流程 利用 OCR增值税发票识别 组件...
识别结果在服务端可保存72小时。重要 一次性上传大规模数据（半小时内上传超过500小时时长的录音）的除外。有大规模数据识别需求的用户，请联系售前专家。支持调用方式：轮询方式和回调方式。支持语言模型定制。更多信息请参见 语言模型...