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 →

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 →

String 摄像头读取本地图片的路径。摄像头自动加载对应地址的图片。 非空，不多于90个字符，只能由数字、大小写字母、中划线-、下划线_、中文、@、#、点.、冒号:、斜线/和空格组成。 persist.sys.locale String 首次启动时系统的语言识别标签。 非空，不多于6

查看更多 →

框选识别区 在文字识别过程中，需要确定图片中识别的文字位置，这就需要在图片模板中框选识别区。 识别区指图片中待识别的文字位置。所有需要识别的图片中都会包含此识别区的字段，且位置固定不变，因此模型可以通过识别区找到需要识别内容的位置。 前提条件 已在自定义OCR控制台选择“通用单模

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 →

中的文字，提供高精度的文字识别模型，保证结构化信息提取精度。 通用单模板工作流 通过构建文字识别模板，识别单个板式图片中的文字，提供高精度的文字识别模型，保证结构化信息提取精度。 多模板分类工作流 支持用户自定义多个文字识别模板，通过模型训练，自动识别图片所需使用的模板，从而支持从大量不同板式图像中提取结构化信息。

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 →

String 输出策略: 当视频参数中的“output_policy”为“discard”，且音频参数中的“output_policy”为“transcode”时，表示只输出音频。 当视频参数中的“output_policy”为“transcode”，且音频参数中的“output_polic

查看更多 →

票据类 功能介绍 增值税发票识别 通过对增值税发票图片预处理、表格提取、文字提取、文字识别、结构化信息输出等一系列技术化手段，快速将增值税发票上的文字信息识别出来，用于后续的进一步处理，节省大量的人工录入成本。 机动车销售发票识别 自动识别机动车销售发票图片内的文本内容，并返回结构化字

查看更多 →

作流，自主构建文字识别模板，识别模板图片中的文字，提供高精度的文字识别模型，保证结构化信息提取精度。 通用单模板工作流 通过构建文字识别模板，识别单个板式图片中的文字，提供高精度的文字识别模型，保证结构化信息提取精度。 多模板分类工作流 支持用户自定义多个文字识别模板，通过AI分

查看更多 →

artners.com。 不同截图的 服务器 信息需保持一致。 扫描服务器的信息截图 最终全盘扫描结果截图（E CS 控制台远程登录界面截图） Kaspersky扫描截图示例（若使用Kaspersky软件） 360 Total Security软件扫描截图示例（若使用360 Total Security软件）

查看更多 →

找出与待识别文字最相似的取值，作为识别结果。 自定义正则提取 预过滤 对初始的待识别文字进行预处理。 左边输入框填写待识别文字中被替换字符的正则表达式。 右边输入框填写所替换的新字符。 不填写时，默认不做预处理。 如果需要多次预处理，可单击，填写新增的预处理规则。 例如： “字段类型名称”：“出生日期”

查看更多 →

OCR服务需要用户通过调用API接口，将图片或扫描件中的文字识别成可编辑的文本，然后返回JSON格式的识别结果，用户需要通过编码将识别结果对接到业务系统或保存为TXT、Excel等格式。 关于文字识别的相关声明请参见文字识别服务声明。 文字识别服务等级协议请参见华为云服务等级协议。

查看更多 →

在本地准备好用于制作模板的图片、用于训练多模板分类器的训练集、用于评估模板的图片，图片要求如下： 只支持PNG、JPG、JPEG、BMP、TIFF格式的图片。 图像各边的像素大小在100px到4096px之间。 图像中识别区域有效占比超过80%，保证所有文字及其边缘包含在图像内。 支持图像任意角度的水平旋转。 目前

查看更多 →

与image二选一。 图片的URL路径，目前仅支持华为云上OBS提供的匿名公开授权访问的URL以及公网URL。 detect_direction 否 Boolean 校正图片的倾斜角度开关，可选值如下所示： true：校正图片的倾斜角度 false：不校正图片的倾斜角度 支持任意角度的校正，未传入该参数时默认为“false”。

查看更多 →

直播截图 截图模板生效规则是什么？ 截图支持哪些图片格式？ 如何获取截图文件？ 截图文件在OBS中的存储方式有哪些？区别是什么？ 直播截图文件名是否支持自定义？

查看更多 →

。 指定时间点截图：指定一组时间点，截取视频在这组时间点的图像，一组最多可以设置10个时间点。 使用限制 暂只支持对视频格式为FLV、MP4、TS、MOV、MXF、MPG、WMV、AVI、M4V、F4V和MPEG的视频文件进行截图。 暂只支持截图生成JPG格式的图片文件。 操作步骤

查看更多 →

截图管理 创建直播截图配置 修改直播截图配置 查询直播截图配置 删除直播截图配置

查看更多 →

视频截图 视频网站对视频画面截图有着多样化的业务诉求，包括视频封面、拖动预览、审核、海报、剧照等。媒体处理服务支持同步截图、异步截图，也支持指定时间点、固定时间间隔截图，有效帮助视频网站客户快速构建媒体处理平台。例如：拖动预览，视频播放过程中，鼠标悬浮在进度条上，可以根据预览画面，拖到进度到指定的位置。

查看更多 →

桶授权：在直播服务中对存储截图的OBS桶进行授权，允许直播服务将截图存储在对应的OBS桶中。 配置截图模板：直播视频将按照设定的间隔时间对正在直播的视频进行画面截图操作，并以.jpg文件保存至指定的OBS存储位置。 查看直播截图：直播截图模板配置成功后，启动直播推流，可以通过截图的输出路径快速

查看更多 →