该解决方案基于华为云语音交互服务语音识别构建，可自动将用户上传到 对象存储服务 的wav语音文件转化为文字，并将结果存放到指定OBS桶。该方案可以将用户上传在OBS的语音文件识别成可编辑的文本，支持中文普通话的识别和合成，其中语音识别还支持带方言口音的普通话识别以及方言（四川话、粤语

查看更多 →

格式返回识别的结构化结果。 手写文字识别 识别手写文字图片中的文字内容。 证件类 身份证识别 识别身份证图片中正面与反面的文字内容，并返回识别的文字和坐标。 户口本识别 识别户口本中的文字信息，并返回识别的结构化结果。 行驶证识别 识别行驶证图片中主页与副页的文字内容，并返回识别的文字和坐标。

查看更多 →

提取图片中的文字暗水印（文件地址版本） 功能介绍 对指定存储地址信息（目前支持OBS）的已嵌入文字暗水印的图片提取文字暗水印，支持的图片格式为：*.jpg, *.jpeg, *.jpe, *.png, *.bmp, *.dib, *.rle, *.tiff, *.tif, *.ppm

查看更多 →

音频发送结束后，客户端会发送结束请求，服务端会返回end响应。 实时语音识别必须客户端要主动断开连接。当服务端超过20s没有收到客户的任何数据时，会返回error事件，并主动断开。 图1 工作流程 父主题： 实时语音识别请求

查看更多 →

响应中即返回识别结果。 表3 录音文件识别接口说明 接口类型 说明 录音文件识别 录音文件识别接口，用于转写不超过5小时的音频。由于录音文件转写需要较长的时间，因此转写是异步的。 表4 语音合成接口说明 接口类型 说明 语音合成/实时语音合成 语音合成，依托先进的语音技术，使用深

查看更多 →

访问密钥ID 与私有访问密钥关联的唯一标识符，访问密钥ID和私有访问密钥一起使用，对请求进行加密签名。配置为前提条件中“AK”的值。 访问密钥 私有访问密钥，与访问密钥ID结合使用的密钥，对请求进行加密签名，可标识发送方，并防止请求被修改。配置为前提条件中“SK”的值。 区域 选择对接ModelArts的服务区域。

查看更多 →

服务端接口权限申请 概述 为避免保证数据安全， WeLink 的接口被调用时，会校验access_token对应的应用是否已经申请了该接口的调用权限。如果没有申请该接口的调用权限时，将返回501错误，并提示“第三方接口无权限”。需要注意的是，如果新申请了权限，access_token需要重新获取。

查看更多 →

可以实现1分钟以内音频到文字的转换。对于用户上传的二进制音频格式数据，系统经过处理，生成语音对应的文字，支持的语言包含中文普通话、方言以及英语。方言当前支持四川话、粤语和上海话。 产品优势 高识别率 基于深度学习技术，对特定领域场景的语音识别进行优化，识别率达到业界领先。 前沿技术 使

查看更多 →

框选参照字段个数须建议大于4个，越多越好，并尽量分散在图片的四周。 参考字段尽量沿着文字边缘框选，精确框住对应文本行为佳。 核对右侧“框选参照字段”中的参照字段是否与框选的参照字段一致。 框选并核对完所有模板图片的参照字段后，单击“下一步”，进入框选识别区步骤。 父主题： 多模板分类工作流

查看更多 →

框选参照字段 在文字识别过程中，套件会检查所识别图片与模板图片是否为同一种模板，并将识别图片校正后再提取结构化信息，支持图片平移、旋转与拉伸变换。 为了检查并校正待识别的图片，这就需要在模板图片中指定参照字段。通过参照字段的文字内容来判断是否属于同一种模板，通过参照字段的位置来校正待识别图片。

查看更多 →

车辆通行费发票识别：识别车辆通行费中的关键文字信息，并返回识别的结构化结果。 飞机行程单识别：识别飞机行程单中的文字信息，并返回识别的结构化结果。 定额发票识别：识别定额发票中的文字信息，并返回识别的结构化结果。 商用 - 2 新增火车票识别、银行卡识别、营业执照识别 火车票识别：识别火车票中的文字信息，并返回识别的结构化结果。

查看更多 →

在图片模板中框选识别区，确定模板图片中需要识别的文字位置。 框选识别区 评估应用 通过上传与模板图片同一板式的测试图片，评估图片识别结果是否正确。 评估应用 部署服务 模板图片评估后，可以部署模板至文字识别开发套件中，开发属于自己的文字识别应用，此应用用于识别自己所上传的模板样式的图片。 部署服务 父主题： 通用单模板工作流

查看更多 →

框选识别区 评估 通过上传与模板图片同一板式的测试图片，评估图片识别结果是否正确。 评估 调用指南 生成模板ID和自定义文字识别接口，用于识别自己所上传的模板样式的图片。提供标准API和常用编程语言的SDK，可快速开发属于自己的文字识别应用。 调用指南 父主题： 通用单模板工作流

查看更多 →

框选参照字段 在文字识别过程中，套件会检查所识别图片与模板图片是否为同一种模板，并将识别图片校正后再提取结构化信息，支持图片平移、旋转与拉伸变换。 为了检查并校正待识别的图片，这就需要在模板图片中指定参照字段。通过参照字段的文字内容来判断是否属于同一种模板，通过参照字段的位置来校正待识别图片。

查看更多 →

通用表格识别 提取表格内的文字和所在行列位置信息，适应不同格式的表格。同时也识别表格外部的文字区域。用于各种单据和报表的电子化，恢复结构化信息。 通用文字识别 提取图片内的文字及其对应位置信息，并能够根据文字在图片中的位置进行结构化整理工作。 手写文字识别 识别文档中的手写文字信息，并将识别的结构化结果返回给用户。

查看更多 →

鼠标框选识别区，使得矩形框覆盖待识别的文字。 框选识别区应尽量扩大识别区范围，使所框选识别区覆盖字段值可能出现的区域。 在右侧“框选识别区”中填写“框选字段”，选择“字段类型”。 “字段类型”指待识别文字的内容，您可以在默认字段类型中选择，当前可选择的默认字段类型包括“日期”、“

查看更多 →

框选参照字段个数须建议大于4个，越多越好，并尽量分散在图片的四周。 参考字段尽量沿着文字边缘框选，精确框住对应文本行为佳。 核对右侧“框选参照字段”中的参照字段是否与框选的参照字段一致。 框选并核对完所有模板图片的参照字段后，单击“下一步”，进入框选识别区步骤。 父主题： 多模板分类工作流

查看更多 →

ModelArts Pro 的文字识别套件提供了通用单模板工作流，通过工作流指引可构建文字识别模板，识别单个板式图片中的文字，快速实现文档、票证等场景的文字识别。 本章节提供一个身份证样例，帮助您快速熟悉使用文字识别套件中的通用单模板工作流开发应用的过程。通过上传模板图片、框选参照字段和识别区，自动

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 →

通过上传测试图片，在线评估模板分类情况和模板的文字识别情况，保证能在多个模板情况下正确分类测试图片的模板，并且能正确识别测试图片中的识别区文字。 评估应用 部署服务 模板图片评估后，可以部署模板至文字识别开发套件中，开发属于自己的文字识别应用，此应用用于识别自己所上传的多模板样式的图片。

查看更多 →

框选识别区应尽量扩大识别区范围，使所框选识别区覆盖字段值可能出现的区域。 在右侧“框选识别区”中填写“框选字段”，选择“字段类型”。 “字段类型”指待识别文字的内容，您可以在默认字段类型中选择，当前可选择的默认字段类型包括“日期”、“小写金额”、“大写金额”、“数字”、“数字和英文”、“编号”、“性别”，每个识别区可选择多个字段类型。

查看更多 →