RecognizeAdvanced API用于实现全文识别高精版-文字识别-阿里云-文字识别(OCR)-阿里云帮助中心

支持多格式版面、复杂文档背景和光照环境的精准识别，可实现印章擦除后识别，支持低置信度过滤、图案检测等高阶功能。

接口说明

本接口适用场景

阿里云全文识别高精版，是阿里云官方自研 OCR 文字识别产品，智能识别图片所包含的全部字段，集表格识别、旋转识别、生僻字识别等多功能为一体，提供高性价比的多场景文字识别体验。
阿里云 OCR 产品基于阿里巴巴达摩院强大的 AI 技术及海量数据，历经多年沉淀打磨，具有服务稳定、操作简易、实时性高、能力全面等几大优势。
本接口图片示例

本接口核心能力

分类	概述
多功能集结	集表格识别、旋转识别、生僻字识别等多功能为一体。
抗干扰	支持多格式版面、复杂文档背景和光照环境的精准识别。
自动排异	对有印章、手印的文档，可实现印章擦除后识别。
高阶能力	支持覆盖文字编辑、低置信度过滤、图案检测。

如何使用本接口

步骤	概述
1	开通通用文字识别服务。开通服务前后，您可以通过体验馆免费体验本功能识别效果。
2	购买全文识别高精版资源包。本 API 会赠送免费额度，可使用免费额度测试。
3	可以参照调试页面提供的代码示例完成 API 接入开发。接入完成后，调用 API 获取识别结果。如果使用子账号调用接口，需要阿里云账号（主账号）对 RAM 账号进行授权。创建 RAM 用户的具体操作，请参考：创建 RAM 用户。文字识别服务提供一种系统授权策略，即 AliyunOCRFullAccess。具体授权操作，请参见在用户页面为 RAM 用户授权。

重要提示

类型	概述
图片格式	本接口支持：PNG、JPG、JPEG、BMP、GIF、TIFF、WebP。暂不支持 PDF 格式。
图片尺寸	图片长宽需要大于 15 像素，小于 8192 像素。长宽比需要小于 50。如需达到较好识别效果，建议长宽均大于 500px。
图片大小	图片二进制文件不能超过 10MB。图片过大会影响接口响应速度，建议使用小于 1.5M 图片进行识别，且通过传图片 URL 的方式调用接口。
其他提示	接口响应速度和图片中的文字数量有关，如果图片中文字数量越多，接口响应可能越慢。接口会自动处理反光、扭曲等干扰信息，但会影响精度。请尽量选择清晰度高、无反光、无扭曲的图片。

调试

您可以在OpenAPI Explorer中直接运行该接口，免去您计算签名的困扰。运行成功后，OpenAPI Explorer可以自动生成SDK代码示例。

调试

授权信息

下表是API对应的授权信息，可以在RAM权限策略语句的Action元素中使用，用来给RAM用户或RAM角色授予调用此API的权限。具体说明如下：

操作：是指具体的权限点。
访问级别：是指每个操作的访问级别，取值为写入（Write）、读取（Read）或列出（List）。
资源类型：是指操作中支持授权的资源类型。具体说明如下：
- 对于必选的资源类型，用前面加 * 表示。
- 对于不支持资源级授权的操作，用全部资源表示。
条件关键字：是指云产品自身定义的条件关键字。
关联操作：是指成功执行操作所需要的其他权限。操作者必须同时具备关联操作的权限，操作才能成功。

操作

访问级别

资源类型

条件关键字

关联操作

ocr:RecognizeAdvanced

update

*全部资源

*

无

请求参数

名称	类型	必填	描述	示例值
Url	string	否	本字段和 body 字段二选一，不可同时透传或同时为空。图片链接（长度不超 2048 字节，不支持 base64）。	https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20241223/nognyw/%E5%85%A8%E6%96%87%E8%AF%86%E5%88%AB%E9%AB%98%E7%B2%BE%E7%89%88.png
body	string	否	本字段和 URL 字段二选一，不可同时透传或同时为空。图片二进制文件，最大 10MB。使用 HTTP 方式调用，把图片二进制文件放到 HTTP body 中上传即可。使用 SDK 的方式调用，把图片放到 SDK 的 body 中即可。	图片二进制文件
OutputCharInfo	boolean	否	是否输出单字识别结果，默认不需要。 true：需要；false：不需要。	false
NeedRotate	boolean	否	是否需要自动旋转功能，默认不需要。 true：需要；false：不需要。	false
OutputTable	boolean	否	是否输出表格识别结果，包含单元格信息，默认不需要。 true：需要；false：不需要。	false
NeedSortPage	boolean	否	是否按顺序输出文字块，默认为 false。 false 表示从左往右，从上到下的顺序；true 表示从上到下，从左往右的顺序。	false
OutputFigure	boolean	否	是否需要图案检测功能，默认不需要。 true：需要；false：不需要。	false
NoStamp	boolean	否	是否需要去除印章功能，默认不需要。 true：需要；false：不需要。	false
Paragraph	boolean	否	是否需要分段功能，默认不需要。 true：需要；false：不需要。	false
Row	boolean	否	是否需要成行返回功能，默认不需要。 true：需要；false：不需要。	false

返回参数

名称	类型	描述	示例值
	object	Schema of Response
RequestId	string	请求唯一 ID	43A29C77-405E-4CC0-BC55-EE694AD00655
Data	string	返回数据	{ "content": "2017年河北区实验小学", "height": 3509, "orgHeight": 3509, "orgWidth": 2512, "prism_version": "1.0.9", "prism_wnum": 126, "prism_wordsInfo": [{ "angle": -89, "direction": 0, "height": 541, "pos": [{ "x": 982, "y": 223 }, { "x": 1522, "y": 223 }, { "x": 1522, "y": 266 }, { "x": 982, "y": 266 }], "prob": 99, "width": 43, "word": "2017年河北区实验小学", "x": 1230, "y": -26 }], "width": 2512 }
Code	string	错误码（如果识别成功，不会返回此字段）	noPermission
Message	string	错误提示（如果识别成功，不会返回此字段）	You are not authorized to perform this operation.

返回参数说明

字段	类型	说明
angle	int	图片的角度（当 NeedRotate=true 时，返回此字段）。0 表示正向，90 表示图片朝右，180 朝下，270 朝左。
content	string	识别出图片的文字块汇总。
figure	list	图片中的图案信息（当 OutputFigure=true 时，返回此字段）。
prism_wordsInfo	list	文字块信息。
prism_tablesInfo	list	表格信息（当 OutputTable=true 时，返回此字段）。
prism_paragraphsInfo	list	段落信息（当 Paragraph=true 时，返回此字段）。
prism_rowsInfo	list	行信息（当 Row=true 时，返回此字段）。
prism_wnum	int	识别的文字块的数量，prism_wordsInfo 数组的大小。
height	int	算法矫正图片后的高度。
width	int	算法矫正图片后的宽度。
orgHeight	int	原图的高度。
orgWidth	int	原图的宽度。

文字块信息（prism_wordsInfo 字段）

字段	类型	说明
angle	int	文字块的角度。
height	int	文字块的高度（需考虑文字块的角度）
width	int	文字块的宽度（需考虑文字块的角度）
pos	list	文字块的外矩形四个点的坐标按顺时针排列（左上、右上、右下、左下）。当 NeedRotate=true 时，如果最外层的 angle 不为 0，需要按照 angle 矫正图片后，坐标才准确。
word	string	文字块的文字内容。
tableId	int	表格的 id（当 OutputTable=true 时，返回此字段）。
tableCellId	int	表格中单元格的 id（当 OutputTable=true 时，返回此字段）。
charInfo	list	单字信息。

单字信息（charInfo 字段）

字段	类型	说明
word	string	单字文字。
prob	int	置信度。
x	int	单字左上角横坐标。
y	int	单字左上角纵坐标。
w	int	单字宽度。
h	int	单字高度。

表格信息（prism_tablesInfo 字段。当 OutputTable=true 时，返回此字段。）

字段	类型	说明
tableId	int	表格 id，和 prism_wordsInfo 信息中的 tableId 对应。
xCellSize	int	表格中横坐标单元格的数量。
yCellSize	int	表格中纵坐标单元格的数量。
cellInfos	list	单元格信息。

单元格信息（cellInfos 字段）

字段	类型	说明
tableCellId	int	表格中单元格 id，和 prism_wordsInfo 信息中的 tableCellId 对应。
word	string	单元格中的文字。
xsc	int	xStartCell 缩写，表示横轴方向该单元格起始在第几个单元格，第一个单元格值为 0。
xec	int	xEndCell 缩写，表示横轴方向该单元格结束在第几个单元格，第一个单元格值为 0，如果 xsc 和 xec 都为 0 说明该文字在横轴方向占据了一个单元格并且在第一个单元格内。
ysc	int	yStartCell 缩写，表示纵轴方向该单元格起始在第几个单元格，第一个单元格值为 0。
yec	int	yEndCell 缩写，表示纵轴方向该单元格结束在第几个单元格，第一个单元格值为 0。
pos	list	单元格位置，按照单元格四个角的坐标顺时针排列，分别为左上 XY 坐标、右上 XY 坐标、右下 XY 坐标、左下 XY 坐标。

段落信息（prism_paragraphsInfo 字段。当 Paragraph=true 时，返回此字段。）

字段	类型	说明
paragraphId	int	段落 id，和 prism_wordsInfo 信息中的 paragraphId 对应。
word	string	段落文字。

行信息（prism_rowsInfo 字段。当 Row=true 时，返回此字段。）

字段	类型	说明
rowId	int	行 id，和 prism_wordsInfo 信息中的 rowId 对应。
word	string	行文字。

图案位置信息（figure 字段。当 OutputFigure=true 时，返回此字段。）

字段	类型	说明
type	string	图案类型。blicense_title 营业执照标题，national_emblem 中国国徽，barcode 条形码，qrcode 二维码，face 人脸，finger_print 指纹，signature 签名，round_stamp 圆形印章，oval_stamp 椭圆印章，rectangular_stamp 矩形印章，square_stamp 方形印章，rhombus_stamp 菱形印章
x	int	图案左上角横坐标。
y	int	图案左上角纵坐标。
w	int	图案宽度。
h	int	图案高度。
box	object	图案坐标信息：中心横纵坐标，长宽，顺时针旋转角度。定义同 OpenCV 中 RotatedRect，请参见 OpenCV 文档。
points	list	图案四个点坐标（左上、右上、右下、左下）。

示例

正常返回示例

JSON格式

{
  "RequestId": "43A29C77-405E-4CC0-BC55-EE694AD00655",
  "Data": "{ \t\"content\": \"2017年河北区实验小学\", \t\"height\": 3509, \t\"orgHeight\": 3509, \t\"orgWidth\": 2512, \t\"prism_version\": \"1.0.9\", \t\"prism_wnum\": 126, \t\"prism_wordsInfo\": [{ \t\t\"angle\": -89, \t\t\"direction\": 0, \t\t\"height\": 541, \t\t\"pos\": [{ \t\t\t\"x\": 982, \t\t\t\"y\": 223 \t\t}, { \t\t\t\"x\": 1522, \t\t\t\"y\": 223 \t\t}, { \t\t\t\"x\": 1522, \t\t\t\"y\": 266 \t\t}, { \t\t\t\"x\": 982, \t\t\t\"y\": 266 \t\t}], \t\t\"prob\": 99, \t\t\"width\": 43, \t\t\"word\": \"2017年河北区实验小学\", \t\t\"x\": 1230, \t\t\"y\": -26 \t}], \t\"width\": 2512 }",
  "Code": "noPermission",
  "Message": "You are not authorized to perform this operation."
}

错误码

访问错误中心查看更多错误码。

变更历史

更多信息，参考变更详情。