OCR 服务

产品简介

本文档旨在帮助开发者、高级用户及系统集成方快速了解并高效使用 OCR 文件解析工具，实现对图片中文字内容的自动识别与结构化输出。

产品简介

OCR 文件解析工具支持对各类图像中的文本内容进行识别。可处理印刷体、手写体，并支持中、英、日、韩、法等 20+ 种语言类型。工具能够输出高精度文本识别结果及候选字置信度信息，适用于手写稿件解析、文档数字化、图片文字抽取等多种业务场景。

使用说明

• 需要低延迟、即时拿到解析结果的在线处理链路（如用户上传后立刻问答、预览）。
• 单次文件不大、结构复杂度适中，或对纯文本抽取需求为主。

支持的文件格式与大小

服务项目	说明
支持的文件类型	image（图片文件）
支持的格式	PNG、JPG、JPEG、BMP
最大文件大小	8M

请求参数说明

参数名称	字段类型	是否必填	说明
file	File	是	图片文件（支持 PNG/JPG/JPEG/BMP），8M 内
tool_type	String	是	固定为 hand_write，表示执行手写体识别
language_type	String	否	根据所识别文件可指定识别语言，默认为 CHN_ENG，自动检测语言：AUTO，可选值包括：ENG, JAP, KOR, FRE, SPA, POR, GER, ITA, RUS, DAN, DUT, MAL, SWE, IND, POL, ROM, TUR, GRE, HUN, THA, VIE, ARA, HIN
probability	Boolean	否	是否返回识别结果中每一行的置信度，默认为false，不返回置信度

输出参数说明

参数名称	字段类型	说明
task_id	String	任务 ID
message	String	提示信息，例如成功或错误描述
status	String	状态标识
words_result_num	Integer	识别结果数，表示words_result的元素个数
words_result	object	文本识别结果对象
├── location	object	每行的坐标，包含： - left： 表示定位位置的长方形左上顶点的水平坐标 - top：表示定位位置的长方形左上顶点的垂直坐标 - width：表示定位位置的长方形的宽度 - height：表示定位位置的长方形的高度
├── words	String	每一行的识别结果
└── probability	object	当 probability=true 时返回该字段，表示识别结果中每一行的置信度值，包含： - average： 行置信度平均值 - variance：行置信度方差 - min：行置信度最小值

计费方式

计费规则	OCR 解析工具根据识别过程中调用量中的页数收取费用，当前支持单次单页识别。
单价	0.01 元 / 次(页)
计费计算方式	请求次数(页数) × 单价 = 费用

使用流程说明

1. 准备图片文件（确保格式与大小符合要求）
2. 根据需要设置可选识别参数（如 tool_type、language_type、probability），当已知文件语言时，建议设置对应的 language_type 以提高识别准确率
3. 调用 OCR 解析接口
4. 获取返回的 JSON 结果
5. 从 words_result 中读取识别内容
6. 根据需要展示、存储或进一步处理文本

最佳实践与建议

• 上传图像尽量保持 清晰、无遮挡、无遮挡反光，提升识别准确率。
• 手写体建议使用 黑色或深色墨迹，背景尽量为浅色。
• 建议对返回结果中的置信度进行业务层过滤，以提升整体系统可信度。

调用示例

cURL

curl --location --request POST 'https://open.bigmodel.cn/api/paas/v4/files/ocr' \
--header  'Authorization: Bearer your_api_token' \
--form 'file=@example-file' \
--form 'tool_type="hand_write"' \
--form 'language_type="CHN_ENG"' \
--form 'probability="true"'