tencentcloud-ocr

name	tencentcloud-ocr
description	腾讯云通用文字识别（高精度版）(GeneralAccurateOCR) 技能包。当用户发送/粘贴图片、提供图片URL、或要求识别图片中的文字时，应自动调用此技能。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）。
version	1.0.4
display_name	腾讯云通用文字识别（高精度版）
display_name_en	Tencent Cloud General OCR (High Accuracy)
description_zh	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高精度识别。支持中英文、数字和特殊字符识别，适用于文字较多、版式复杂的场景。支持图片URL、Base64、PDF输入，可返回单字信息和文字框位置。内含简历结构化解析指引。
description_en	High-accuracy OCR powered by Tencent Cloud GeneralAccurateOCR API. Recognizes Chinese, English, numbers and special characters from images. Supports image URL, Base64, and PDF input with optional per-character positioning.
visibility	public

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
• 图片URL直接识别：支持直接传入图片URL进行识别，无需下载图片
• 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：

• 用户发送了图片（包括粘贴图片、上传图片、截图等），需要识别其中的文字内容
• 用户提供了图片URL（如 https://xxx.com/image.jpg、https://xxx.cos.xxx/xxx.png 等），需要识别其中的文字
• 用户说"识别这张图"、"看看图片里写了什么"、"提取图片文字"、"OCR"等表达
• 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）

🤖 自动触发指引（面向大模型）

当检测到以下信号时，应自动调用此技能，无需用户显式要求"OCR"：

1. 用户消息中包含图片URL：检测到 http(s):// 开头且以图片扩展名（.jpg, .jpeg, .png, .bmp, .gif, .webp, .tiff）结尾的URL，或包含已知图片托管域名（如 cos.、cdn.、oss.、imgur.com 等）的URL
2. 用户上传/粘贴了图片：对话中出现了图片附件或图片Base64数据
3. 用户意图关键词：消息中包含"识别"、"文字"、"OCR"、"提取"、"读取"、"看看写了什么"等与文字识别相关的表达

调用方式：

• 如果用户提供了图片URL，直接使用 --image-url 参数传入
• 如果用户上传了图片文件，使用 --image-base64 参数传入文件路径或Base64内容

环境要求

• Python 3.6+
• 依赖：tencentcloud-sdk-python（通过 pip install tencentcloud-sdk-python 安装）