| name | tencentcloud-ocr-generalaccurate |
| description | 腾讯云通用文字识别（高精度版）(GeneralAccurateOCR) 技能包。支持图像整体文字的检测和识别，支持中文、英文、中英文、数字和特殊字符号的识别，并返回文字框位置和文字内容。适用于文字较多、版式复杂、对识别准召率要求较高的场景，如网络图片、街景店招牌、法律卷宗、多语种简历等场景。支持图片Base64和URL两种输入方式，同时支持PDF文件识别和单字信息返回。对于简历识别场景，提供专门的结构化解析指引（详见 references/resume-parsing.md）。 |
腾讯云通用文字识别（高精度版）(GeneralAccurateOCR)
用途
调用腾讯云OCR通用文字识别（高精度版）接口，对图片中的文字进行精准提取。
核心能力：
- 文字识别：高精度识别图片中的文字内容，返回完整识别文本
- PDF支持：支持对PDF文件进行文字识别（单页）
- 单字信息：可选返回每个单字的位置和置信度信息
- 多语种简历结构化识别：基于 OCR 结果，对简历进行结构化提取与格式化输出（详见
references/resume-parsing.md）
官方文档：https://cloud.tencent.com/document/api/866/37831
📚 可用资源
References（场景化指引）
references/resume-parsing.md - 多语种简历结构化识别指引（处理流程、Prompt模板、输出格式化模板、格式化规则）
使用时机
当用户提出以下需求时触发此技能：
- 需要从图片或PDF中提取文字内容
- 需要对各类文档、图片等进行文字识别
- 涉及通用文字OCR识别的任何场景
- 需要从简历图片/PDF中识别并结构化提取简历信息（请参考
references/resume-parsing.md 指引）
- 需要对多语种简历进行识别和格式化输出（请参考
references/resume-parsing.md 指引）
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，不超过10MB |
| ImageUrl | str | 否(二选一) | 图片URL地址，优先使用 |
| IsPdf | bool | 否 | 是否开启PDF识别，默认false |
| PdfPageNumber | int | 否 | 需要识别的PDF页码，IsPdf为true时有效，默认1 |
| IsWords | bool | 否 | 是否返回单字信息，默认false |
| 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 |
⚠️ UserAgent参数使用指南
--user-agent参数是可选参数，统一固定为Skills，无需手动传递。用于标识API调用来源，便于追踪和统计：
| 调用框架 | --user-agent 参数值 | 说明 |
|---|
| 所有框架 | Skills | 统一固定值，不传递时也默认为此值 |
实现说明：
- 通过
--user-agent命令行参数传递，SDK 会将其拼接为 SDK_PYTHON_x.x.x; Skills 注入到请求中
- 统一固定为
Skills，未传递时也默认为此值
- 该标识会记录在ES日志的
ReqBody.RequestClient 字段中，可用于追踪来源
输出格式
识别成功后返回 JSON 格式结果：
{
"raw_text": "识别到的完整文字内容\n第二行文字\n第三行文字",
"RequestId": "xxx"
}
无文字时返回：
{
"raw_text": "",
"message": "No text detected in the image.",
"RequestId": "xxx"
}
调用示例
python scripts/main.py --image-url "https://example.com/document.jpg"
python scripts/main.py --image-base64 "/path/to/document.jpg"
python scripts/main.py --image-url "https://example.com/doc.pdf" \
--is-pdf true --pdf-page-number 1
python scripts/main.py --image-url "https://example.com/document.jpg" --is-words true
密钥配置
Step 1: 获取/购买 OCR 服务
🔗 腾讯云文字识别 OCR 购买页
在购买页面中选择 通用文字识别（高精度版） 完成购买。
Step 2: 获取 API 密钥
🔗 腾讯云 API 密钥管理
Step 3: 设置环境变量
Linux / macOS：
export TENCENTCLOUD_SECRET_ID="你的SecretId"
export TENCENTCLOUD_SECRET_KEY="你的SecretKey"
Windows (PowerShell)：
$env:TENCENTCLOUD_SECRET_ID = "你的SecretId"
$env:TENCENTCLOUD_SECRET_KEY = "你的SecretKey"
