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 →

String 该参数与url二选一。 图片的Base64编码，要求Base64编码后大小不超过10MB。 图片最短边不小于15px，最长边不超过8192px，支持JPEG、JPG、PNG、BMP、TIFF、PDF格式。多页PDF仅识别第一页。 图片Base64编码示例如/9j/4AAQSkZJRgABAg

查看更多 →

前提条件 已自备PDF类型的电子文档。 背景信息 通过PDF文件编辑工具为电子文档中需要签名的位置增加提示箭头。 PDF文件编辑工具：需要自备。 箭头图标： 操作步骤 获得箭头图标icon_Arrow18x22.png。 运行PDF文件编辑工具，并打开自备的PDF格式的电子文档。

查看更多 →

银行卡的类别，如：储蓄卡，信用卡。 文字识别 识别图片上的文字信息，返回识别的文字和坐标。支持扫描文件、电子文档、书籍、票据和表单等多种场景的文字识别。 输入参数 用户配置文字识别执行动作，相关参数说明如表3所示。 表3 文字识别输入参数说明 参数 说明 图片文件 上传图片所在位置。 图片的URL路径 图片的URL路径，和图片文件二选一。

查看更多 →

自定义OCR基于丰富的文字识别算法和行业知识积累，帮助客户快速构建满足不同业务场景需求的文字识别服务，实现多种版式图像的文字信息结构化提取。 工作流 自定义OCR当前提供了单模板工作流和多模板工作流，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。

查看更多 →

降低人工录入成本。 支持区域： 华北-北京四 通用文字识别API 网络图片识别 支持识别网络图片中的所有印刷体、艺术字等文字信息，可识别中英文及部分繁体字以及常见网络图片如：手机截图、电脑截图、电商产品图及广告设计图等互联网图片，能够返回位置坐标和置信度，方便用户进行版式的二次处

查看更多 →

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，通过模型训练，自动识别图片所需使用的模板，从

查看更多 →

，默认为0，即铺满整个组件。 图片地址：支持输入图片地址，来展示图片。 链接：设置单击图片后，跳转的链接地址。 图片设置：设置图片填充方式，并选择对应图片。 数据 在数据中，配置图片组件的数据来源，更多介绍请参见数据接入。 交互 在交互中，配置图片与其他组件或页面之间的交互能力。更多交互介绍，请参见交互设置。

查看更多 →

图片区域，上传本地的图片作为测试图片。 上传图片后，右侧会显示文字识别结果，包括“识别区”和对应的“识别结果”。 上传在线图片 单击“在线URL”，切换至“在线URL”页签。在“开始识别”左侧输出框中输入待测试的图片URL地址，或者拖拽测试图片至虚线框内上传图片区域，上传在线图片作为测试图片。

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 →

详细指导 上传模板图片 在使用多模板工作流开发应用之前，需要上传模板图片，明确以哪些图片作为模板训练文字识别模型。 上传模板图片 定义预处理 上传模板图片后，需要对模板图片进行预处理，去掉冗余部分，将图片旋转至水平，保证模型识别的准确性。 定义预处理 框选参照字段 在图片模板中框选参照

查看更多 →

现多种版式图像的文字信息结构化提取。 文字识别套件提供预置工作流供您选择，全流程可视化完成AI应用开发以及持续迭代。 选择预置工作流 单模板工作流 通过工作流指引构建文字识别模板，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。详情请见使用单模板工作流开发应用。 多模板工作流

查看更多 →

对证件、票据、表单等任意版式文档进行键值对提取、文字识别、以及表格识别等任务，实现进阶高效的自动化结构化返回。 通用类 通用表格识别 识别表格图片上的文字内容，并返回识别的结构化结果。 通用文字识别 识别图片上的文字内容，并返回识别的文字和坐标。 网络图片识别 识别网络图片中的文字内容，并以JSON格

查看更多 →

在“图片”后显示“url”的框中输入图片的地址。 单击“图片”下方的虚线框，选择图片。 直接拖动图片至“图片”下方的虚线框中。 图片选择后，您也可以进行编辑和删除操作。单击图片区域的可以删除当前图片，单击可以修改当前图片。 缩放模式：单击下拉选项，可以设置图片的缩放模式。可设置为默认、按比例缩放、裁剪缩放、拉伸缩放。

查看更多 →

图片 图片组件用于在页面展示图片。 在表单开发页面，从“通用组件”中，拖拽“图片”组件至表单设计区域，如图1。 图1 图片 显示名称：设置图片显示名称，默认隐藏显示名称。 选择图片：单击“上传图片”，上传需要展示的图片。 点击放大预览：勾选后，可放大预览图片。 移动端独立设置：勾选后，可给移动端单独设置展示的图片。

查看更多 →

准备数据 数据要求 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。

查看更多 →

文字识别SDK简介 文字识别SDK概述 文字识别（Optical Character Recognition，简称OCR）将图片或扫描件中的文字识别成可编辑的文本。可代替人工录入，提升业务效率。支持身份证、驾驶证、行驶证、发票、通用表格、通用文字等场景文字识别。 文字识别以开放API（Application

查看更多 →

算法封面、视频封面和多媒体介绍图片，可使用同一张图片，具体要求参见算法封面的图片要求。 图片分辨率不小于800*600，推荐比例4：3，支持JPG/JPEG/PNG/GIF格式，≤5M。 视频分辨率1280*720，支持MP4格式，20s以内，≤100M。 仅支持上传一个视频，图片和视频一共≤5个。

查看更多 →

收到的一封邮件中如有多个普通附件可批量下载全部。 支持对附件进行在线预览，支持以下类型文件格式在线预览： 图片预览：gif、bmp、jpeg、jpg、png、ico 文档预览：doc、docx、xls、xlsx、ppt、pptx PDF文件：pdf 文本文件：txt 父主题： 读信

查看更多 →

上传测试图片或者上传在线图片，评估模板。 图4 评估模板 本地上传图片 默认进入“本地上传”页签，单击“上传图片”，或者拖拽测试图片至虚线框内上传图片区域，上传本地的图片作为测试图片。 上传图片后，右侧会显示文字识别结果，包括“识别区”和对应的“识别结果”。 上传在线图片 单击“

查看更多 →

为保证模型的泛化能力，数据集尽量覆盖所有标签的图片。 基于已设计好的商品标签准备图片数据。每个商品标签需要准备20个数据以上，为了训练出效果较好的模型，建议每个商品标签准备200个以上的数据。 针对未标注数据，要求将图片放在一个目录里，示例如下所示。 ├─dataset-import-example

查看更多 →