受技术与成本多种因素制约，文字识别服务存在一些约束限制。 以通用文字识别API为例，输入数据存在以下约束。其他API的的使用约束请参见约束与限制。 只支持识别PNG、JPG、JPEG、BMP、TIFF格式的图片。 图像各边的像素大小在15px到8192px之间。 图像中识别区域有效占比超过

查看更多 →

对接OCR实现图片上文字识别功能 背景信息 文字识别（Optical Character Recognition，简称OCR）以开放API的方式提供给用户，用户使用Python、Java等编程语言调用OCR服务API将图片识别成文字，帮助用户自动采集关键数据，打造智能化业务系统，提升业务效率。

查看更多 →

上传模板图片 在使用单模板工作流开发应用之前，必须要明确文字识别的模板类型，明确以哪张图片作为模板训练文字识别模型，基于自己的业务需求制定针对性的文字识别模型。例如上传某一格式的发票图片作为模板，训练的文字识别模型就能识别并提取同格式发票上的关键字段。 前提条件 已授权ModelArts服务和 对象存储服务 （OBS）。

查看更多 →

创建音频转码任务 快速创建转码任务 视频转封装 视频转封装是指转换视频的封装格式，不改变其分辨率、码率等参数。 支持的输入格式：MP3、MP4、FLV、TS。 支持的输出格式：HLS、MP4。 华北-北京一、华北-北京四、华东-上海一、华东-上海二区域已发布 创建转封装任务 视频转动图 视频转

查看更多 →

上传模板图片 在使用多模板分类工作流开发应用之前，必须要明确文字识别的模板类型，明确以哪几种板式图片作为模板训练文字识别模型，基于自己的业务需求制定针对性的文字识别模型。例如上传两种不同格式的发票图片作为模板，训练的文字识别模型就能识别并提取这两种格式发票上的关键字段。 前提条件 已在自

查看更多 →

集要求如下： 文字识别套件 自然语言处理 套件 视觉套件 HiLens套件 确认数据集符合要求后，将数据集上传至OBS桶。 上传数据至OBS 文字识别套件 文字识别套件当前提供了单模板工作流和多模板工作流，开发应用时需要上传模板图片，明确以哪张图片作为模板训练文字识别模型。 上传图片的要求如表1所示。

查看更多 →

函数工作流 ：用于实现调用文字识别服务的业务逻辑，当OBS桶收到上传的发票文件后，会自动通知函数调用文字识别服务，并将结果存放到指定的OBS桶里。 文字识别服务：提供发票识别与验真服务，识别用户上传的发票内容以及对接国税局系统进行真伪验证。 方案优势 场景丰富 支持发票识别和发票验真功能。

查看更多 →

在使用单模板工作流开发应用之前，必须确保需要识别的图片都属于同一类型的模板。同一类模板的图片，它们有相同的版面排布，且要识别的文字类型和位置均要求固定。如果您的图片具有多种模板，请考虑使用“多模板工作流”。 确认模板类型后，要准备一张文字清晰的图作为模板图片，模板图中要包含业务需要定制识别的字段。例如上传某

查看更多 →

上传模板图片 在使用多模板分类工作流开发应用之前，必须要明确文字识别的模板类型，明确以哪几种板式图片作为模板训练文字识别模型，基于自己的业务需求制定针对性的文字识别模型。例如上传两种不同格式的发票图片作为模板，训练的文字识别模型就能识别并提取这两种格式发票上的关键字段。 前提条件 已授权

查看更多 →

如何提高识别速度 识别速度与图片大小有关，图片大小会影响网络传输、图片base64解码等处理过程的时间，因此建议在图片文字清晰的情况下，适当压缩图片的大小，以便降低图片识别时间。推荐上传JPG图片格式。 根据实践经验，一般建议证件类的小图(文字少)在1M以下，A4纸大小的密集文档大图在2M以下。

查看更多 →

OCR文字识别服务计费可以按照项目来分别计费吗 可以。 OCR支持通过企业项目管理（EPS）对不同用户组和用户的资源使用进行分账。 详情请参考API接口文档里的Enterprise-Project-Id参数。 父主题： 计费FAQ

查看更多 →

创建用于存储发票识别与验真结果的对象存储服务 OBS桶，企业业务系统定时从该桶中获取结果并处理。 函数工作流 FunctionGraph：用于实现调用文字识别服务的业务逻辑，当OBS桶收到上传的发票文件后，会自动通知函数调用文字识别服务，并将结果存放到指定的OBS桶里。 文字识别 OCR

查看更多 →

径，例如D:\local\test.xlsx", response) 使用PDF进行文字识别 本示例将PDF文件转换为图片，并调用网络图片识别API，获取识别结果。 前提条件 开通网络图片识别。 参考本地调用，安装OCR Python SDK。并执行pip install fitz命令和pip

查看更多 →

视频解析、媒资转码、抽帧截图、添加水印、转封装、审核等 图片 缩略、添加水印、转封装、文字审核、 图像审核 、人脸识别等 文档 解压、预览等 基因 文件个数统计、模糊搜索、压缩、容量监控通知等 医疗 数据从存储网关到OBS、AI分析、影像筛查等 监控 视频截帧、图片压缩、图片转存、车牌识别、人脸识别、RTMP直存OBS等

查看更多 →

语种识别 功能介绍 语种识别是为了识别文本所属的语种。对于用户输入的文本，返回识别出的所属语种。 语种识别接口具体Endpoint请参见终端节点。 调用华为云NLP服务会产生费用，本API支持使用基础套餐包，购买时请在自然语言处理价格计算器中查看基础套餐包和领域套餐包支持的API范围。

查看更多 →

的值。 如果检测语音结尾的静音时长大于等于此值时，在实时语音识别单句模式下将返回VOICE_END（识别结果非空）或EXCEEDED_SILENCE（识别结果为空）事件并结束识别，在连续模式下将会断句并继续下一句的识别。 取值范围：[0, 3000]的整数，单位为ms，默认为500ms。

查看更多 →

场景识别 单帧识别 多帧识别 父主题： 智驾模型服务

查看更多 →

主体识别 功能介绍 用户传入图片通过后台算法判断图片主体，并返回主体坐标，具体识别的主体请参考应用场景。 前提条件 使用主体识别服务之前需要您完成服务申请和认证鉴权。 图像识别服务属于公有云服务，线上用户资源共享，如果需要多并发请求，请提前联系我们。 调试 您可以在API Exp

查看更多 →

名片识别 功能介绍 识别名片图片上的文字信息，并以JSON格式返回识别的结构化结果。支持对多种不同版式名片进行结构化信息提取。该接口的使用限制请参见约束与限制，详细使用指导请参见OCR服务使用简介章节。 图1 名片示例图 约束与限制 只支持识别PNG、JPG、JPEG、BMP、TIFF格式图片。

查看更多 →

，多页PDF默认识别第一页，或者您可以指定要识别的页码。 图像各边的像素大小在15px到8192px之间。 支持单图多印章识别。 支持图像中印章任意角度的水平旋转。 支持圆形章、椭圆章、方形章、三角章和菱形章的检测和识别。 能处理反光、暗光等干扰的图片但影响识别精度。 调用方法 请参见如何调用API。

查看更多 →

回铃音识别 座席执行外呼任务时可能会产生大量外呼失败数据，但因座席人员外呼任务繁重无法登记分析失败原因；租户管理员可通过回铃音识别意图进行意图识别，自动识别外呼失败结果后，将结果保存回铃音报表中，为租户管理员提供分析依据。 操作步骤 以租户管理员角色登录AICC，选择“ 外呼任务

查看更多 →