OCR服务协议请参看 阿里云服务协议（通用）版本生效日期：2021年12月1日 本服务等级协议（Service Level Agreement，简称“SLA”）规定了阿里云向客户提供的文字识别的服务可用性等级指标及赔偿方案。1.定义 服务周期：一个服务周期为一个...
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。...
通用图文OCR能够识别并返回图片中的文字内容。通用图文OCR识别分为普通版本和高精度版本。普通版本适用于识别影视画面、互联网图片等文字较少的场景。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。...
识别速度快 在同等距离、同等光源的情况下，mPaaS 扫一扫对二维码/条形码的识别速度快于同类产品。识别能力强 依赖于特有的模糊处理和数据评估矫正，同类产品的相册调用其扫码组件 API 无法识别出的图片，mPaaS 扫一扫也能够识别出来。这张...
通用图文OCR能够识别并返回图片中的文字内容。通用图文OCR识别分为普通版本和高精度版本。普通版本适用于识别影视画面、互联网图片等文字较少的场景。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。...
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，...
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...
本文为您介绍如何在AI助手中配置并使用语音和图片的识别功能，帮助您更高效地处理音视觉内容。前提条件 已经创建AI助手并完成web页面集成。具体操作，请参见 创建AI助手。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...
参数名称 返回值 释义 MainRegion-Region"13,454,230,662"图片识别的主体区域，如图中区域①所示。MultiRegion-Region"13,454,230,662""184,446,210,459"图片识别的主体区域合集。如图中区域②所示。ItemId 586495568263 商品ID为...
语音识别检测，可以直观的看到指定语音模型语音转文字的识别准确率，通过人工校验得到正确的文本标注结果，用来训练您的自定义模型；通过型对比可以看到每次优化后的准确率提升情况，从而让您十分高效的提升语音转文字的识别准确率。提升...
ops-object-detect-001 image Object 是 待识别的图片，可以通过以下参数指定图片信息，两个参数二选一：url：可被访问的图片url地址。content：指明文件的内容，用Base64Encode编码。{"url":"http://1.jpg" } 返回参数 参数 类型 描述 ...
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...
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...
结构化卡证OCR能够识别证件类图片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片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...
表 8.OcrResult 名称 类型 示例值 描述 Text String 识别到的文字行1 返回识别到的图片中的文字行内容。表 9.CustomText 名称 类型 示例值 描述 LibId String test20240307 命中的自定义词库ID。LibName String 自定义词库A 命中的自定义...
视觉智能开放平台-图像生产 视觉智能开放平台-图像识别 视觉智能开放平台-目标检测 视觉智能开放平台-商品理解 视觉智能开放平台-文字识别 视觉智能开放平台-内容安全 视觉智能开放平台-分割抠图 视觉智能开放平台-人脸人体 视觉智能开放...
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 ...
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 ...
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；...
表 7.OcrResult 名称 类型 示例值 描述 Text String 识别到的文字行1 返回识别到的图片中的文字行内容。表 8.CustomText 名称 类型 示例值 描述 LibId String test20240307 命中的自定义词库ID。LibName String 自定义词库A 命中的自定义...
2024-07-08 查询分析 新增 图片解析服务 新增图片内容解析服务，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，也可使用OCR能力进行图片文字识别，解析后的文本可用于图片检索问答场景。2024-07-08 图片内容提取 新增 查询分析...
OCR预标注」支持印刷体文字识别，暂不支持手写体识别。预标注自动识别的文字内容需仔细核对检查，保证标注正确性。卡证类型如何选择？目标区域：单据票证所在区域，对应单据票证的外边框，用于定位。KV区域：单据票证中所需识别的Key-Value...
OCR预标注」支持印刷体文字识别，暂不支持手写体识别。预标注自动识别的文字内容需仔细核对检查，保证标注正确性。如何实现跨行标注？分别标注跨行对应的部分，并给予他们正确的题目。按住「shift键」，点击此前的两个标注框的边。松开...
支持检测的场景包括：图片智能鉴黄、图片敏感内容识别、图片风险人物识别、图片垃圾广告识别、图片不良场景识别、图片Logo识别。在提交检测任务时，您需要指定scenes参数，并且支持组合使用，即可对同一张图片的多种风险进行检测。说明 在...
图文违规检测：识别图片中包含的广告和文字违规内容。语音反垃圾：识别语音中包含的违规内容。您还可以通过控制台操作创建文本库。更多信息，请参见 创建和管理自定义文本库。计费信息：该接口为免费接口。QPS限制 本接口的单用户QPS限制为...
hitLibInfo：如果图片中的文字命中了自定义文本库，则返回命中的文本库信息。格式为数组，具体结构描述请参见 hitLibInfo。results JSONArray 返回结果。调用成功时，返回结果中包含一个或多个元素。每个元素是一个结构体，具体结构描述请...
hitLibInfo：如果图片中的文字命中了自定义文本库，则返回命中的文本库信息。格式为数组，具体结构描述请参见 hitLibInfo。results JSONArray 返回结果。调用成功时（code=200），返回结果中包含一个或多个元素。每个元素是个结构体，具体...
hitLibInfo：如果图片中的文字命中了自定义文本库，则返回命中的文本库信息。格式为数组，更多结构描述请参见 hitLibInfo。{"hitLibInfo":[{"context":"检测视频","libCode":"1234567","libName":"相似文本库a"}]} msg string 请求信息的...
hitLibInfo：如果图片中的文字命中了自定义文本库，则返回命中的文本库信息。格式为数组，具体结构描述，请参见 hitLibInfo。results JSONArray 返回结果。调用成功时（code=200），返回结果中包含一个或多个元素。每个元素是个结构体，...
基于图片AI技术，识别图片中的场景、物体和事件等内容，实现图片的自动打标，可用于相册分类、图库分类检索等场景。重要 此文档已不再维护，建议您使用新版智能媒体管理。关于智能媒体管理新版与旧版的对比，请参见 新旧版本使用指引。关于...
文档智能是文字识别技术的进一步升级，除了文字识别，文档智能还综合运用自然语言处理、图像处理、电子文档解析、文档预训练模型等多种技术，实现对PDF/Word/Excel/图片等各类非结构化和半结构化文档的智能自动化处理。相较于文字识别只能...
RecognizeVehicleType 识别图片（完整或部件图片）中汽车的类型，目前主要有小轿车、多用途汽车、SUV等类别。imageseg 开通图像分割服务 SegmentHead 识别输入图像中的人头轮廓，含人脸、头发耳朵、发饰区域，不含脖子，返回仅人头区域可视...
阿里云文字识别（OCR）具备图片文字定位、文字识别到文字理解的全流程技术体系，可在图片角度偏移、文本位置偏移、印章重叠、水印干扰等复杂场景下有效识别文字信息。支持通用文字识别（涵盖手写体、电商图片、表格等）、个人/企业证照识别...
文字识别技术基于阿里云深度学习技术，为您提供通用的印刷文字识别和文档结构化等能力。文字识别技术可以灵活应用于证件文字识别、发票文字识别、文档识别与整理等行业场景，满足认证、鉴权、票据流转审核等业务需求。服务开通 请单击 立即...
立即免费体验 电商图片文字识别 读光OCR电商图片文字识别是专门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的原子能力产品，在违规广告识别、信息审核管理和网络安全治理等场景下具有极大应用价值。...
二维码识别 二维码识别功能可以识别图片（包括照片、截图等多种图片）中多个有效二维码的位置及内容，输出图像中二维码的位置框和其包含的文本信息。媒体转码 媒体转码针对海量媒资提供了高效、智能、稳定的媒体处理服务。并结合对象存储...
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...
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、...
阿里云内容安全增强版推出基于通义定制的图片、文本、视频、文档审核大模型服务，能够全方位识别图片、文本、视频、文档中的色情、性感、涉政、暴恐、违禁、宗教、引流广告、不良等违规内容，拥有更强的理解和泛化性能力，有更精准的效果和...
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...