调用RecognizeMultiLanguage实现通用多语言识别-文字识别-阿里云-文字识别(OCR)-阿里云帮助中心

接口说明

本接口适用场景

阿里云通用多语言证识别，是阿里云官方自研 OCR 文字识别产品，适用于国际化所需的各类图文识别与信息翻译场景。
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
图像增强	默认支持图像增强，包括图像自动旋转、畸变自动矫正、模糊图片自动增强等能力。
多类型覆盖	支持模糊、光照不均、透视畸变、任意背景等低质量图像识别。
高精度识别	总体识别准确率可达 98%。

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	购买小语种识别资源包。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。图片尺寸过小，会影响识别精度。图片内单字大小在 10-50px 内时，识别效果较好。
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。
相关能力	云市场通用多语言识别。

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:RecognizeMultiLanguage

*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/20241218/qshrcp/%E9%80%9A%E7%94%A8%E5%A4%9A%E8%AF%AD%E8%A8%80.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
Languages	array	是	支持语言列表。
	string	是	chn：中文，eng：英文，ja：日文，lading：拉丁，kor：韩文，tai：泰文，rus：俄文，mys：马来文，idn：印尼文，viet：越南文，ukr：乌克兰文，tur：土耳其文，tamil：泰米尔文。其中 lading 支持以下语言：葡萄牙语、意大利语、德语、法语、西班牙语。	chn
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，默认需要。 true：需要；false：不需要。	true
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

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":"PACKING Shipper/Export Invoice No & Date STM TECHNOLOGY INC. 20140730- ST44 ","height":1753,"orgHeight":1753,"orgWidth":1240,"prism_version":"1.0.9","prism_wnum":71,"prism_wordsInfo":[{"angle":0,"direction":0,"height":33,"pos":[{"x":348,"y":137},{"x":531,"y":135},{"x":532,"y":168},{"x":348,"y":170}],"prob":99,"recClassify":1,"width":184,"word":"PACKING","x":348,"y":135}],"width":1240}
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。
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_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。

示例

正常返回示例

JSON格式

{
  "RequestId": "43A29C77-405E-4CC0-BC55-EE694AD00655",
  "Data": "{\"content\":\"PACKING  Shipper/Export   Invoice No & Date  STM TECHNOLOGY INC. 20140730- ST44 \",\"height\":1753,\"orgHeight\":1753,\"orgWidth\":1240,\"prism_version\":\"1.0.9\",\"prism_wnum\":71,\"prism_wordsInfo\":[{\"angle\":0,\"direction\":0,\"height\":33,\"pos\":[{\"x\":348,\"y\":137},{\"x\":531,\"y\":135},{\"x\":532,\"y\":168},{\"x\":348,\"y\":170}],\"prob\":99,\"recClassify\":1,\"width\":184,\"word\":\"PACKING\",\"x\":348,\"y\":135}],\"width\":1240}",
  "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。