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 →

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 →

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 →

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。 项目ID ModelArts服务区域，对应的项目ID。 描述 根据实际需求，输入连接器的描述信息。 取值范围：1~255个字符。 打包当前配置 选中该选项后，应用打包时会将当前配置的连

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 →

在弹出的“开通按需计费服务提示”对话框中，勾选同意协议。单击“确定”，开通按需计费。开通后的效果如图1所示。 如需使用第三方声音进行语音合成，请购买出门问问声音套餐。 图1 声音合成 功能介绍 该接口用于 TTS 流式合成音频，用于文本转化为语音，并实时返回合成的音频数据。 调用方法

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 →

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 →

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 →

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 →

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 →

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 →

Moderation），是基于图像、文本、音频、视频、音频流、视频流、文档的检测技术，可自动检测涉黄、涉暴、图文违规等内容，对用户上传的图片、文字、音视频进行 内容审核 ，以满足上传要求，帮助客户降低业务违规风险。 随着互联网的飞速发展和信息量猛增，大量色情、暴力等不良信息夹杂其中，如果不做好

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 →

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 →

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 →

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

查看更多 →

如何选购合适的API 文字识别服务（OCR）提供四种类型的API：通用类、证件类、票据类、智能分类。 除此之外，您也可以使用 ModelArts Pro 服务提供的“文字识别套件”零代码搭建出专属的文字识别系统。 通用类 通用表格识别：提取表格内的文字和所在行列位置信息。 通用文字识别：提取图片内的文字及其对应位置信息。

查看更多 →