录音文件识别 前提条件 确保已按照配置Python环境配置完毕，Python SDK仅支持Python3。 确保已存在待识别的音频文件并上传OBS或者有公网可访问 服务器 上（需保证可使用 域名 访问），示例音频可参考下载SDK压缩包文件。如果音频存放在OBS上，确保服务已授权访问OBS，可参考配置OBS服务。

查看更多 →

档中的“audio_format取值范围”。 语音时长不超过5小时，文件大小不超过300M，用户的识别任务在6小时内完成并返回识别结果，识别结果保存72小时（从转写完成的时间算起）。 支持中文普通话、四川话识别。 父主题： 约束与限制

查看更多 →

创建报告PDF 功能介绍 根据任务ID创建报告PDF URI POST /v1/{project_id}/sbc/report/pdf/create 表1 路径参数 参数 是否必选 参数类型 描述 project_id 是 String 用户project_id 最小长度：32 最大长度：32

查看更多 →

* 3. 用户可以通过使用热词，识别专业术语，增加语句识别准确率。 */ // 录音文件识别参数 private String obsUrl = ""; // 音频文件OBS链接，录音文件识别目前仅支持传入OBS音频连接，或公网可访问url

查看更多 →

（可选）测试是否能可识别花卉图片。 在连接器详情页面，单击“测试”。 配置测试参数，单击“测试”。 选择类型：识别的主体可以是图片或者文本信息。本示例选择“图片文件”，并上传待识别的图片。 图片URL：识别的主体是图片时，可选择“图片URL”并设置图片的URL。 图片文件：识别的主体为图片

查看更多 →

视频如何添加文字水印？ 媒体处理除了支持添加图片水印外，还支持通过API设置文字水印。 上传源视频文件至OBS服务，记录桶名、桶所在区域的路径。上传步骤请参见上传音视频文件。 调用新建转码任务接口，设置转码输入输出参数“input”和“output”，设置文字水印参数“text_

查看更多 →

注册PDF查看应用 支持注册PDF查看应用，用于预览查看PDF文件。 注册PDF查看应用 登录 交换数据空间 官网。 单击“管理控制台”，进入交换数据空间控制台界面。 单击“我的空间”，在交换数据空间实例中，选择实例，单击实例卡片上的“连接器”。 选择连接器，单击连接器卡片上的“前往”，进入连接器控制台界面。

查看更多 →

OCR服务识别结果可以转化为Word、TXT、pdf吗 OCR提取之后返回的结果是JSON格式，需要用户通过编程，将结果保存为Word、TXT、pdf格式。 父主题： API使用类

查看更多 →

选择用于上传和存储发票图片或者PDF文件的桶“ocr-invoice-image-bucket”，上传示例发票图片或者电子发票pdf文件。 图2 上传待识别发票 选择用于存放结果的“ocr-invoice-result-bucket”桶，即可自动获取该发票的识别与验真结果，以发票文件名称为前缀的JSON文件存储。

查看更多 →

可自动获取该发票的识别与验真结果，以发票文件名称为前缀的JSON文件存储： 图3 获取识别结果文件 通过华为云SDK使用 企业业务系统可通过华为云提供的SDK服务与OBS桶进行对接，当员工上传发票图片或者电子发票PDF文件到华为云OBS桶后，即可自动进行文字识别和验真，企业业务系

查看更多 →

快速部署 本章节主要指导用户如何自动化部署“文字识别-发票识别与验真”解决方案。 表1 参数说明 参数名称 类型 是否可选 参数解释 默认值 image_bucket_name string 必填 OBS桶名称，全局唯一，用于上传发票图片或PDF文件。取值范围：3~59个字符，支

查看更多 →

查看报告PDF状态 功能介绍 根据任务ID查看报告PDF状态 URI GET /v1/{project_id}/sbc/report/pdf/status 表1 路径参数 参数 是否必选 参数类型 描述 project_id 是 String 用户project_id 最小长度：32

查看更多 →

录音文件识别接口 提交录音文件识别任务 获取录音文件识别结果

查看更多 →

如何提高识别精度 尽量使用文字清晰度高、无反光的图片。进行图片采集时，尽量提高待识别文字区域占比，减少无关背景占比，保持图片内文字清晰人眼可辨认。 若图片有旋转角度，算法支持自动修正，建议图片不要过度倾斜。 图片尺寸方面，建议最长边不超过8192像素，最短边不小于15像素，图像长宽比例维持常见水平

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 →

l路径，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 →

OCR服务可以识别文本格式文件吗 增值税发票识别API支持使用pdf、ofd文件进行识别。其他API不能直接识别word、pdf、excel等文件，可将此类文件转换为图片进行识别。pdf转图片识别示例请参见识别结果后处理。 父主题： 产品咨询类

查看更多 →

能处理反光、暗光等干扰的图片但影响识别精度。 目前支持识别单张身份证的正面或者反面。 支持居民身份证的正反面同时识别，不支持存在两张及以上同面身份证的图片识别。 文字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。 户口本识别 只支持识别PNG、JPG、JPEG、BMP、TIFF格式的图片。

查看更多 →

对接OCR识别图片中文字 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。 在

查看更多 →

录音文件识别极速版 支持“华北-北京四”、“华东-上海一”区域。 当前语音服务仅支持北京和上海区域，后续会陆续上线其他区域。 华北-北京四，推荐的区域。 华东-上海一，推荐的区域。 支持wav、mp3、m4a、acc、opus格式音频文件。 语音时长不超过120分钟，文件大小不超过100M。

查看更多 →

提交录音文件识别任务 录音文件识别接口，用于识别长录音文件，支持中文普通话、四川话识别。录音文件放在OBS（ 对象存储服务 ）或公网可访问的服务器上。 由于录音文件识别通常会需要较长的时间，因此识别是异步的，即接口分为创建识别任务和查询任务状态两个接口。创建识别任务接口创建任务完成后

查看更多 →