支持包括税务机关、纳税人识别号、纳税人名称、合计金额、填票人、完税详单等关键字段的结构化识别输出。接口说明 本接口适用场景 阿里云税收完税证明识别，是阿里云官方自研 OCR 文字识别产品，适用于识别非税收入证明所包含的税务机关、...
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。适用范围广 支持 K12 全学科、多版式扫描版印刷体的整页切题场景。如何使用本接口 步骤 概述 1 开通 教育场景识别 服务。开通服务前后，您可以通过 体验馆 免费体验本...
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...
文字广告内容识别 文本广告内容识别 能力支持 按量付费 和 预付费资源包 方式进行计费。按量付费 应用场景 调用量 按量付费 QPS限制 ad 无限制 0.0015元/次 2QPS 重要 如果您未购买资源包，系统将会按照 按量付费 的价格计费，请留意并及时...
iTAG是PAI的数据标注平台，提供多种标注模板，支持图像、文本、视频、音频等数据类型的标注以及多模态标注。支持的标注任务 iTAG预置了标注模板，可支持以下类型的标注任务：图像类：图像分类、目标检测、图像OCR、表格识别、图像语义分割...
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...
能力介绍 类别 能力 说明 人脸检测 人脸检测与五官定位 识别图像中是否有人脸，进行人脸检测后返回检测到的人脸矩形框坐标。人脸属性 人脸属性识别 在人脸检测基础上，识别各个检测人脸的性别（男或女）、年龄、表情（笑或不笑）、眼镜（戴...
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 总体准确率和召回率达 95%以上。如何使用本接口 步骤 概述 1 开通 车辆物流识别 服务。开通服务前后，您可以通过 体验馆 免费体验本功能识别效果。2 购买 ...
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 总体识别准确率可达 98%。如何使用本接口 步骤 概述 1 开通 票据凭证识别 服务。开通服务前后，您可以通过 体验馆 免费体验本功能识别效果。2 购买 火车票...
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。行驶证混贴 支持对正副页在同一张图片的场景进行自动分割与结构化识别。高精度识别 总体准确率达 93%以上。如何使用本接口 步骤 概述 1 开通 车辆...
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 总体识别准确率可达 98%。如何使用本接口 步骤 概述 1 开通 企业资质识别 服务。开通服务前后，您可以通过 体验馆 免费体验本功能识别效果。2 购买 企业...
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...
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 总体识别准确率可达 98%。如何使用本接口 步骤 概述 1 开通 企业资质识别 服务。开通服务前后，您可以通过 体验馆 免费体验本功能识别效果。2 购买 企业...
抽象信息抽取 用户意图识别：识别用户意图，如查询检索、文本润色、决策判定、操作指导等。文本摘要：用几句话描述文本内容，每句话描述一个话题。情绪分类：判断文本情绪为正面、负面或中性。主题分类：对文本涉及的主题进行分类，如体育...
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 总体识别准确率可达 97%。如何使用本接口 步骤 概述 1 开通 票据凭证识别 服务。开通服务前后，您可以通过 体验馆 免费体验本功能识别效果。2 购买 车辆...
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...
能力介绍 目前阿里云视觉智能开放平台上线的商品理解能力包括：类别 能力 说明 商品理解 商品分类 识别图像中的商品分类，返回商品类目、置信度等信息。应用场景 商品理解应用场景如下：电子商务 可以为电子商务提供通过图像搜索商品等能力...
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...
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 总体识别准确率可达 98%。如何使用本接口 步骤 概述 1 开通 票据凭证识别 服务。开通服务前后，您可以通过 体验馆 免费体验本功能识别效果。2 购买 银行...
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 总体识别准确率可达 98%。如何使用本接口 步骤 概述 1 开通 票据凭证识别 服务。开通服务前后，您可以通过 体验馆 免费体验本功能识别效果。2 购买 票据...
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 总体识别准确率可达 98%。如何使用本接口 步骤 概述 1 开通 个人证照识别 服务。开通服务前后，您可以通过 体验馆 免费体验本功能识别效果。2 购买 国际...
智能视觉生产已与操作审计服务集成，您可以在...SegmentBody 识别图像中人体轮廓。SegmentCloth 服饰图像像素级抠图。SegmentCommodity 商品分割。SegmentHair 识别图片中人物头像。SegmentHead 头像分割。SegmentImage 图像分割（抠图）。
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 总体识别准确率可达 98%。如何使用本接口 步骤 概述 1 开通 企业资质识别 服务。开通服务前后，您可以通过 体验馆 免费体验本功能识别效果。2 购买 食品...
Labels.N.Label String 是 ad 指定文本检测的应用场景，可选值包括：spam：文字垃圾内容识别 politics：文字敏感内容识别 abuse：文字辱骂内容识别 terrorism：文字暴恐内容识别 porn：文字鉴黄内容识别 flood：文字灌水内容识别 ...
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，...
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 企事业名称、法人代表等文字信息准确率超过 95%，营业执照注册号等数字信息准确率超过 98%。如何使用本接口 步骤 概述 1 开通 企业资质识别 服务。开通...
支持增值税专用发票、增值税普通发票、增值税电子发票识别，支持包括发票代码、发票号码、开票日期、发票金额、发票税额、检验码、购买方税号、销售方税号、发票详情等关键字段结构化识别输出。接口说明 本接口适用场景 阿里云增值税发票...
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...
本文主要介绍图像识别收费能力的计费方式及费用详情。其余未收费能力当前还处于公测阶段，可免费使用。咨询服务 如果您有任何购买问题需要咨询阿里云视觉智能开放平台，欢迎各位企业用户、开发商、服务商或者开发者通过钉钉搜索群号 ...
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...
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...
功能描述 明星识别能力可以识别图像中的明星人物。可以识别超过2.7万个明星人物。说明 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完整的免费产品体验，您可以单击 立即试用 对该能力进行更直观试用以及在线...
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...
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...
本文介绍Gummy实时语音识别和翻译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-Fun-ASR/Gummy/Paraformer 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：获取与配置...