本文介绍文字识别（ocr）类目下的增值税发票卷票识别RecognizeTicketInvoice的语法及示例。功能描述 增值税发票卷票识别能力支持对卷票上包括价税合计、发票代码、发票号码、合计税额、合计金额、密码区、开票日期、税率、购买方识别号、...
返回参数说明 字段 类型 说明 content string 识别出图片的文字块汇总。figure list 图片中的图案信息。prism_wordsInfo list 文字块信息。prism_wnum int 识别的文字块的数量，prism_wordsInfo 数组的大小。height int 算法矫正图片后的...
本文介绍文字识别（ocr）类目下的定额发票识别RecognizeQuotaInvoice的语法及示例。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...
本文为您介绍文字识别（ocr）类目下的增值税发票识别RecognizeVATInvoice的语法及示例。功能描述 增值税发票识别能力可以识别增值税发票（电子发票和纸质发票）关键字段内容，包括：校验码、复核人、开票人、发票代码、收款人等。说明 增值...
能够识别图片中的文字的语种。调试 您可以在OpenAPI Explorer中直接运行该接口，免去您计算签名的困扰。运行成功后，OpenAPI Explorer可以自动生成SDK代码示例。请求参数 名称 类型 是否必选 示例值 描述 Action String 是 ...
阿里云内容安全图片审核 增强版 推出基于通义定制的图片审核大模型服务，能够全方位识别图片中的色情、性感、涉政、暴恐、违禁、宗教、引流广告、不良等违规内容，并支持返回大模型的原始结果。本文介绍如何使用图片审核大模型服务。说明 ...
能够识别图片中的文字的语种。接口说明 注意 该接口已计划下线，不建议继续调用。调试 您可以在OpenAPI Explorer中直接运行该接口，免去您计算签名的困扰。运行成功后，OpenAPI Explorer可以自动生成SDK代码示例。调试 授权信息 下表是API...
针对全日文图片文档场景下日文印刷体高效检测和识别，支持旋转、表格、文字坐标等多项基础功能。调试 您可以在OpenAPI Explorer中直接运行该接口，免去您计算签名的困扰。运行成功后，OpenAPI Explorer可以自动生成SDK代码示例。调试 授权...
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...
从照片中AI提取文字：通过大模型自动识别图片上的文字。第三步：确认评阅点 选择模型。（可选）补充其他评阅要点：系统预置的评阅要点有打分、优点总结、改进建议及评语。如您有其他的要点，请在此处输入。查看API示例 效果调试完成后，...
针对泰语图片文档场景下泰文印刷体高效检测和识别，支持旋转、表格、文字坐标等多项基础功能。调试 您可以在OpenAPI Explorer中直接运行该接口，免去您计算签名的困扰。运行成功后，OpenAPI Explorer可以自动生成SDK代码示例。调试 授权...
识别结果 object startTime long 当前识别结果的开始时间 1756433675000 endTime long 当前识别结果的结束时间 1755742611000 asr string 音频转文字的结果 xxx ocr string 画面中的文字内容识别结果 xxx vl string 画面内容识别结果 xxx ...
功能描述 视频OCR能力可以识别视频中的文本，可涵盖新闻、影视剧、娱乐、体育等多场景的中英文、繁简体、比分等识别，支持普通字幕、定常字幕、滚动字幕、部分自然场景文字、竖排文字及艺术字等多种类型。说明 您可以进入 在线咨询 获取...
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通用文字识别 组件，...
针对图片文档场景下俄文印刷体高效检测和识别，支持旋转、表格、文字坐标等多项基础功能。调试 您可以在OpenAPI Explorer中直接运行该接口，免去您计算签名的困扰。运行成功后，OpenAPI Explorer可以自动生成SDK代码示例。调试 授权信息 下...
变更历史 变更时间 变更内容概要 操作 2025-10-20 新增 OpenAPI 查看变更详情 目前拆条提供三种场景视频的处理：1、节目场景 2、新闻场景 3、其他场景 针对节目场景的视频：推荐使用 ASR 方式分镜，视频识别选择 ASR+VL；...
返回参数说明 字段 类型 说明 content string 识别出图片的文字块汇总，会包含 latex 公式，需要自行解析还原公式。height int 算法矫正图片后的高度。width int 算法矫正图片后的宽度。orgHeight int 原图的高度。orgWidth int 原图的宽度...
针对韩语图片文档场景下韩文印刷体高效检测和识别，支持旋转、表格、文字坐标等多项基础功能。调试 您可以在OpenAPI Explorer中直接运行该接口，免去您计算签名的困扰。运行成功后，OpenAPI Explorer可以自动生成SDK代码示例。调试 授权...
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表格识别 组件，选取...
针对拉丁语系的图片文档场景下印刷体高效检测和识别，支持旋转、表格、文字坐标等多项基础功能。调试 您可以在OpenAPI Explorer中直接运行该接口，免去您计算签名的困扰。运行成功后，OpenAPI Explorer可以自动生成SDK代码示例。调试 授权...
url 集合 data 具体预测结果 angle 图片的角度，当 NeedRotate 为 true 时才会返回，0 表示正向，90 表示图片朝右，180 朝下，270 朝左 content 识别出图片的文字块汇总 height 算法矫正图片后的高度 width 算法矫正图片后的宽度 orgHeight...
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 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全文高精识别 组件，...
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技术实现图片中各行业场景下的非结构化文字识别（示例）。2.输入项 说明 请参照可视化编辑器...
创建异步图片翻译，图片翻译包含文字识别、文本翻译、文字回填等能力。调试 您可以在OpenAPI Explorer中直接运行该接口，免去您计算签名的困扰。运行成功后，OpenAPI Explorer可以自动生成SDK代码示例。请求参数 名称 类型 是否必选 示例值...
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...
创建异步图片翻译，图片翻译包含文字识别、文本翻译、文字回填等能力。接口说明 注意 该接口已计划下线，不建议继续调用。调试 您可以在OpenAPI Explorer中直接运行该接口，免去您计算签名的困扰。运行成功后，OpenAPI Explorer可以自动...
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文档结构化识别 组件...
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...
接口说明 本接口适用场景 阿里云身份证文字识别，是阿里云官方自研 OCR 文字识别产品，用于对中国大陆身份证（含临时身份证）正反面图片进行智能文字识别并结构化输出识别结果。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...
阿里云文字识别（Optical Character Recognition，OCR）可以将图片中的文字信息转换为可编辑文本，根据客户的业务场景和需求，将产品分为了通用文字识别、个人证照识别、票据凭证识别、教育场景识别、车辆物流...满足各种客户的图片识别需求。
接口说明 本接口适用场景 阿里云表格识别，是阿里云官方自研 OCR 文字识别产品，支持对多种表格格式（有线表格、条纹表格、无线表格）进行智能文字识别并结构化输出识别结果。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，...
对文档信息进行结构化识别，并提供元素平铺和层级树两种视角的版面信息输出。能够将文档中的文字元素（单字、文字块、行等）和相应的版面格式（标题、段落、表格）抽离并按顺序输出。调试 您可以在OpenAPI Explorer中直接运行该接口，免去...
高精度版本适用于复杂的文档图片识别以及图片中有高密度文字的场景，能够返回单字信息。说明 通用图文OCR默认识别语种为中英文，如需识别其他语种（多民族语言：蒙古语、维语、藏语；多国语言：阿拉伯语、俄语、法语、西语、葡语，日语，...
小程序主要功能 文档内容识别 从图片中提取文字或表格，对文档内容进行识别，支持翻译和导出Word/Excel等更多功能。文档格式转换 将文档格式进行转换，上传PDF、图片等文档后，将其转换为可编辑的Word/Excel，并保留原始文档的版式样式信息...
图片风险人物识别 适用于图片涉及敏感人物、明星的识别。文字内容安全 文字垃圾内容识别 结合行为、内容，采用多维度、多模型、多检测手段，识别文本中的垃圾内容。适用于图片中的文字垃圾信息的识别。文字广告内容识别 结合行为、内容，...
商品图片智能翻译包含文字识别、文本翻译、文字回填等能力。调试 您可以在OpenAPI Explorer中直接运行该接口，免去您计算签名的困扰。运行成功后，OpenAPI Explorer可以自动生成SDK代码示例。请求参数 名称 类型 是否必选 示例值 描述 ...
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。接口说明 请确保在使用该接口前，已充分了解智能媒体管理产品的收费方式和 价格。图片大小不超过 20M。图片最短边不小于 20px，最长边不超过 30,000px。图片的纵横比小于 1:2。...
增强图片识别 开启增强图片识别功能，用于对图片中的敏感信息进行识别并定义敏感等级。继续选择 增强图片识别量 扩展额度。图片脱敏 开启图片脱敏功能，继续选择 图片脱敏数 扩展额度。说明 若仅需对图片进行脱敏，且无需识别图片中的敏感...
开启图片识别 重要 要实现图片识别功能，需在AI助手中 导入 支持图片处理 的模型，本文以使用阿里云百炼的Qwen-VL模型为例。更多模型，请参见 模型列表。进入 AppFlow-AI助手 页面。选择目标AI助手，在 AI助手详情 页的 集成 页签中，单击 ...
为OSS的存储空间（Bucket）绑定智能媒体管理项目后，通过OSS控制台或...绑定对应项目后，使用图片识别功能，可以检测图片标签和置信度。具体操作，请参见 图片识别。通过OSS控制台或SDK使用智能媒体管理的功能。具体操作，请参见 快速入门。