中国大陆（北京）模型类型 时间 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...
在图片新增或图片搜索过程中可以选择是否进行主体识别：如果进行主体识别，则仅针对该图片下主体识别的结果进行新增和搜索。如果不进行主体识别，则会针对全图新增和搜索。重要 图像搜索产品默认开启主体识别功能。详情请参见图片入库 请求...
need_rotate=False,output_table=False,need_sort_page=False,output_figure=False,no_stamp=False,paragraph=False,row=False)方法描述 OCR全文高精识别高精版 参数说明 image_path str 待识别图像路径，支持本地路径或url路径 output_...
通常情况下阿里云文字识别提供的接口仅支持单张图片的识别，若需要对多种类型图片识别可参考如下产品：混贴发票识别，可支持一张图片上有多张混贴图的场景，系统可自动进行分区、分类与结构化识别。体验地址为 OCR读光体验中心。房产证支持...
Canny是ControlNet中一个常见的模型，用于识别输入图像的边缘信息，从上传的图片中生成线稿，然后根据关键词生成与上传图片相似构图的画面。单击 Controlnet 右侧的 图标，选中 启用/Enable，Control Type 选择 Canny，在 单张图像/Single ...
文档小说图片文字识别 文档小说图片文字识别适用于处理网络上海量的用户原生UGC图片中的文字识别 社区贴吧图片文字识别 社区贴吧图片文字识别适 用于各类社区社交新闻媒体里用户发帖，贴吧，以及游戏实时交互图片等的识别。网络UGC图片文字...
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 ...
表格识别 支持 官网支持 云官网支持资源包及按量付费 电商图片文字识别 支持 官网支持 云官网支持资源包及按量付费 通用手写体识别 支持 官网支持 云官网支持资源包及按量付费 文档小说图片文字识别 支持-本API未上架云官网 社区贴吧图片...
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技术识别电商商品宣传、社区贴吧、网络UGC等网络场景下图片（电商图片文字识别）。...
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...
调价计费规则 按量付费 图片垃圾广告识别 调整前价格 调用量 按量付费 QPS限制 无限制 0.00324元/次 2QPS 调整后价格 调用量 按量付费 QPS限制 无限制 0.0027元/次 2QPS 图片智能鉴黄、图片敏感内容识别、图片Logo识别、图片风险人物识别、...
周期执行的任务是 增量 图片识别和脱敏。如需立即执行扫描识别，您可以选中 立即执行一次。图片脱敏配置 图片类型：选择图片类型。脱敏方式：选择图片脱敏方式。仅支持 遮盖。说明 图片脱敏支持的格式：PNG、JPG、JPEG、BMP、WEBP，单张...
本章节说明阿里云文字识别（OCR)关于域名更换问题的通知与解答。通知：尊敬的开发者们，由于云市场即将进行服务升级，部分商品接口原域名将于2022年1月31日24:00起停止服务，请您及时将代码中的域名更换为默认域名，您可通过云市场商品详情...
访问域名允许应用程序通过HTTP/HTTPS协议向特定的、与各类目能力关联的域名发送请求，从而实现对人脸人体识别、文字识别、图像识别等多种视觉AI能力的调用。其中，Region表示服务所在的地域，Endpoint表示视觉智能开放平台对外服务的访问...
阿里云文字识别承诺公共云服务不落盘，用户的原始图片和识别数据均不作保留，识别返回后立即释放。具体可参看阿里云服务协议。RAM账户怎么设置产品调用权限？需要确保RAM账号拥有 AliyunOCRFullAccess 权限，否则无法通过该账号调用服务。...
本章节介绍阿里云OCR在云市场官方店铺（“阿里云计算有限公司”）的...通常情况下阿里云文字识别提供的接口仅支持单张图片的识别，若需要对多种类型图片识别可参考如下产品：购买卡证合集接口，可支持多种卡证的识别，但卡证需要为单张调用。...
全球加速 网盘数据处理 功能集 功能 功能描述 参考文档 数据处理 图像处理 支持在网盘中进行图片处理相关操作，如进行图像人脸聚类、识别图像标签、时空聚类等操作。图像处理 媒体处理 支持在网盘中对媒体数据进行处理，如视频转码、视频...
按量计费：（0.0015+0.0015+0.0015）*2*10=0.09元/10次 预付费资源包：（1+1+1）*2*10=60点/10次 示例二：如果您需要对10张图片进行5次内容审核，包括图片垃圾广告识别、图片敏感内容识别、图片Logo识别和图片风险人物识别四种应用场景。...
应用场景 图像生产应用场景如下：图片素材加工 一张图片经过N次转发就会变得画质模糊，一些经典老片由于设备限制无法满足您超清观看的需求，通过图像超分辨/清晰化技术能够清晰还原模糊画面，给您带来更好的视觉体验。衍生创意辅助设计 ...
印刷文字识别已与操作审计服务集成，您可以在操作审计中查询用户操作印刷文字识别产生的管控事件。操作审计支持将管控事件投递到日志服务SLS的LogStore或对象存储OSS的存储空间中，满足实时审计、问题回溯分析等需求。操作审计记录了用户...
内容安全图片审核的鉴黄识别是无法区分是否属于医学场景的，建议您针对这类医学场景上传的图片通过检测对象对应的数据ID（dataId，用于图片同步检测接口 和图片人工审核接口）来区分，对图片审核结果进行二次人工审核。更多信息，请参见 ...
通用文字识别 电商图片文字识别 200次/月 以单个API为统计维度，当月生效，过期作废。表格识别 200次/月 全文识别高精版 200次/月 通用手写体识别 200次/月 通用文字识别 200次/月 防疫健康码识别 200次/月 文档结构化识别 200次/月 个人...
10 车牌识别 10 车辆vin码识别 10 机动车注册登记证识别 10 车辆合格证识别 10 小语种识别 通用多语言识别 20 英语专项识别 10 日语识别 10 俄语识别 10 韩语识别 10 泰语识别 10 拉丁语识别 10 医疗场景识别 核酸检测报告识别 20 教育场景...
计费项 一、计费方式总览 通义晓蜜-CCAI对话分析AIO 免费开通 大模型分析、图片识别：按 调用次数后付费。语音识别：按 实际使用时长后付费。二、具体计费规则 1.图像与tokens转换规则 512×512像素的图像约等于334个tokens，其他分辨率...
OCR识别结果配置 仅当在模板选择 图像类 中的 图片OCR 时，支持配置该参数。默认选中 OCR识别结果，表示支持对图片框选区域的文字进行OCR。标签配置 在本标注任务中，需要依次输入后续打标人员需要识别、框选并打标的标签名称，然后按回车...
直播图片审核 可单击查看具体价格 扫描量（张/日，不包括每日免费的3,000张）鉴黄/涉政暴恐/不良场景/图片logo 算法确定部分（元/千张）鉴黄/涉政暴恐/不良场景/图片logo 算法待用户确认部分（元/千张）广告识别算法确定部分（元/千张）...
快速入门手册根据最基础的...人脸识别 包括人脸属性检索、活体翻拍检索、图片敏感人脸识别、视频敏感人脸识别和自定义人脸检索。通过调用API方式接入使用。该功能是通过调用接口来进行内容检测，需要您具备一定的编程能力。内容检测API概览
RecognizeBasic 电商图片文字识别 针对电商商品宣传图片、社区贴吧图片、网络UGC图片等网络场景下图片字符快速精准识别。RecognizeGeneral 通用文字识别 适用于非结构化文字识别，支持返回文字内容和位置坐标信息。RecognizeTableOcr 表格...
API明细表 商品名称 商品功能 资源包抵扣 按量付费模式 通用文字识别 全文识别高精版 支持 支持 通用文字识别 支持 支持 表格识别 支持 支持 电商图片文字识别 支持 支持 通用手写体识别 支持 支持 文档结构化识别 支持 支持 个人证照识别 ...
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...
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。...
多模态产品 覆盖文本、文档、图片、音频和视频模态，与文档解析、语音识别、图像识别相结合，满足多样化应用需求。产品计费 机器翻译主要是对翻译的内容进行计费。机器翻译目前支持的计费方式包括：后付费：按量计费，先使用再付费。资源包...
本文介绍图像生产（imageenhan）类目下的图像隐形图片水印ImageBlindPicWatermark的语法及示例。功能描述 图像隐形图片水印能力可以为图像添加或解析图片水印。例如您有一张图A，调用encode_pic参数添加图片盲水印后得到图B。或者您也可以...
ops-image-analyze-ocr-001 图片文本识别服务 图片内容解析 提供图片内容OCR识别服务，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。ops-image-analyze-vlm-001 图片内容理解服务 图片内容解析 提供...
产品优势 基于达摩院 AI 能力 阿里巴巴达摩院团队人工智能（Artificial Intelligence，简称 AI）实验室在语音识别、图像识别、视觉理解、语言理解等方面开展大量研究，并沉淀出 AI 相关的大量技术成果。智能双录质检产品基于达摩院 AI 技术...
本接口图片示例（仅支持正面识别）本接口核心能力 分类 概述 图像增强 默认支持图像增强，包括图像自动旋转、畸变自动矫正、模糊图片自动增强等能力。多类型覆盖 支持模糊、光照不均、透视畸变、任意背景等低质量图像识别。高精度识别 总体...
通义千问OCR 是专用于文字提取的视觉理解模型，可从各类图像（如扫描文档、表格、票据等）中提取文本或解析结构化数据，支持识别多种语言，并能通过特定任务指令实现信息抽取、表格解析、公式识别等高级功能。您可以在 阿里云百炼平台...
图像识别已与操作审计服务集成，您可以在操作审计中查询用户操作图像识别产生的管控事件。操作审计支持将管控事件投递到日志服务SLS的LogStore或对象存储OSS的存储空间中，满足实时审计、问题回溯分析等需求。操作审计记录了用户通过Open...
（单位：元/次）商品名称 API功能 月调用量=1万 1万 月调用量=10万 10万 月调用量=50万 50万 月调用量=100万 月调用量 100万 开通按量付费 通用文字识别 电商图片文字识别 0.0825 0.0495 0.0415 0.0248 0.009 开通通用文字识别后付费 表格...
本接口图片示例 本接口核心能力 分类 概述 图像增强 默认支持图像增强，包括图像自动旋转、畸变自动矫正、模糊图片自动增强等能力。全字段识别 智能识别快递运单上所包含的全部字段。多类型覆盖 支持模糊、光照不均、透视畸变、任意背景等...