腾讯云广告文字识别

要解决的具体问题

在图像处理、广告分析或自动化文档工作流中，经常需要从图片中提取文字信息。传统 OCR 工具在处理中英文混合文本、多方向排列（如竖排或倾斜）以及旋转图片时，往往识别准确率不足或无法提供精确的文本位置坐标，影响后续的视觉定位或交互设计。

技能如何工作

腾讯云广告文字识别接口针对上述问题提供了解决方案。其核心能力包括：

• 中英文识别：支持中英文混合文字的准确检测与识别，适用于多语言场景。
• 多方向支持：能够处理横排、竖排以及倾斜场景的文本，无需预先矫正。
• 翻转支持：支持 90 度、180 度、270 度翻转的图片，增强了处理灵活性。
• 坐标返回：返回每个文本行的四顶点坐标（Polygon 字段），以列表形式提供，便于视觉操作。
• 置信度评估：为每个识别结果提供置信度（0~100），帮助评估识别质量。

使用流程分为关键步骤：

1. 输入图片：通过 ImageBase64（Base64 编码，不超过 10MB）或 ImageUrl（推荐腾讯云 COS 地址）提供图片，两者必须至少提供一个。
2. 调用接口：使用 tencentcloud-sdk-python 库向 API 发送请求，处理频率默认限制为 20 次/秒。
3. 解析响应：返回 JSON 结果，包含 TextDetections 列表，其中每个条目有 DetectedText（识别文本）、Confidence（置信度）和 Polygon（坐标）等字段，以及 TextCount、ImageSize 等元信息。

适用边界与注意点

尽管功能强大，但使用时需注意：

• 请求限制：API 默认频率为 20 次/秒，高频场景需合理设计调用策略。
• 图片要求：支持 PNG、JPG、JPEG、BMP 格式，分辨率建议 600×800 以上以确保识别效果，编码后大小不超过 10MB。
• 环境配置：依赖 Python 3.6+ 和 tencentcloud-sdk-python 库，并需设置环境变量 TENCENTCLOUD_SECRET_ID 和 TENCENTCLOUD_SECRET_KEY 以使用 API 密钥。
• 错误处理：根据错误码（如 FailedOperation.ImageNoText 表示图片无文本，LimitExceeded.TooLargeFileError 表示文件过大）进行异常处理，避免服务中断。
• 计费与资源：接口始终计费，需监控资源使用，防止欠费或资源包耗尽（如错误码 ResourceUnavailable.InArrears）。

通过理解这些要点，开发者可以高效集成该技能，实现可靠的图片文字识别功能。