| name | tencentcloud-ocr-general |
| description | 腾讯云广告文字识别(AdvertiseOCR)接口调用技能。当用户需要从图片中识别文字内容时,应使用此技能。支持中英文、横排、竖排及倾斜场景的图片文字识别,支持90度、180度、270度翻转场景的图片识别,返回文本框位置与文字内容。支持图片Base64和URL两种输入方式。 |
| version | 1.0.3 |
| display_name | 腾讯云广告文字识别 |
| display_name_en | Tencent Cloud Advertise OCR |
| description_zh | 调用腾讯云OCR广告文字识别接口，支持中英文、横排竖排及倾斜场景的图片文字识别，支持90/180/270度翻转场景识别。返回文本框四顶点坐标和置信度。适用于广告、海报等多方向文字场景。 |
| description_en | Tencent Cloud AdvertiseOCR API for text recognition in images. Supports horizontal, vertical, tilted, and rotated (90/180/270 degree) text recognition with polygon coordinates and confidence scores. |
| visibility | public |
腾讯云广告文字识别 (AdvertiseOCR)
用途
调用腾讯云OCR广告文字识别接口，支持图片内文字的检测和识别，返回文本框位置与文字内容。具有较高召回率和准确率。
核心能力：
- 中英文识别：支持中英文混合文字识别
- 多方向支持：支持横排、竖排以及倾斜场景文字识别
- 翻转支持：支持90度、180度、270度翻转场景文字识别
- 坐标返回：返回每个文本行的四顶点坐标（Polygon）
- 置信度评估：返回每个文本行的识别置信度（0~100）
官方文档：https://cloud.tencent.com/document/api/866/49524
默认接口请求频率限制：20次/秒。
使用时机
当用户提出以下需求时触发此技能：
- 需要从图片中提取文字信息
- 需要识别图片上的文字内容
- 涉及文字OCR识别的任何场景
- 需要获取图片中文字的位置坐标信息
环境要求
- Python 3.6+
- 依赖：
tencentcloud-sdk-python（通过 pip install tencentcloud-sdk-python 安装）
- 环境变量：
TENCENTCLOUD_SECRET_ID：腾讯云API密钥IDTENCENTCLOUD_SECRET_KEY：腾讯云API密钥Key
使用方式
运行 scripts/main.py 脚本完成图片文字识别。
请求参数
| 参数 | 类型 | 必填 | 说明 |
|---|
| ImageBase64 | str | 否(二选一) | 图片Base64值，编码后不超过10M，分辨率建议600*800以上，支持PNG/JPG/JPEG/BMP |
| ImageUrl | str | 否(二选一) | 图片URL地址，建议存储于腾讯云COS。都提供时仅使用ImageUrl |
| UserAgent | str | 否 | 请求来源标识(可选)，用于追踪调用来源，统一固定为Skills |
输出格式
识别成功后返回 JSON 格式结果：
{
"TextDetections": [
{
"DetectedText": "识别出的文本行内容",
"Confidence": 99,
