tencentcloud-ocr-general

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ID
  • TENCENTCLOUD_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,