文字识别 API

功能

将图片与文档转为可用的文字

文字识别（OCR）API 可从图片中检测并提取文字（文字检测），也可处理扫描件、PDF 和 TIFF 等文字密集的文档（文档文字检测），返回文字内容及其版面结构和位置坐标。接口兼容 Google Cloud Vision 的 images:annotate 与 files:annotate REST 规范。

文字检测

使用 TEXT_DETECTION 识别照片、截图、标牌和商品标签中的零散文字。

文档文字检测

使用 DOCUMENT_TEXT_DETECTION 识别扫描件、票据、发票、表单和合同中的密集文字。

印刷体与手写体

同时识别印刷体与手写文字，例如笔记、手填表单和批注。

PDF、TIFF 与 GIF 文件

直接提交多页文件，单次同步请求最多可识别 5 页。

位置坐标与版面结构

返回逐词的位置坐标以及带有页面结构的完整文字，便于还原版面。

数十种语言

支持数十种语言，包括中文、日文和韩文。已知语言时，可通过 languageHints 提供提示。

无缝兼容 Google Cloud Vision：现有的 REST 集成以及使用 REST 传输方式的客户端库，只需更换接口地址和 API 密钥。

阅读快速入门

应用场景

文字识别 API 的典型用途

票据与发票

提取商户、日期和明细，用于报销与记账流程。

表单与合同

将申请表、协议等纸质文件数字化，便于审核与检索。

照片与截图

识别用户拍摄的标牌、标签和屏幕上的文字。

可检索的档案

将扫描文档与 PDF 档案转为可索引、可检索的文字。

需要其他语言的版本？将识别出的文字发送到翻译 API 即可。

了解翻译 API

快速入门

识别您的第一张图片

在 Vionex 控制台中创建 API 密钥，然后发送图片或文档。

接口地址 https://api.vionexlimited.com

鉴权 X-Api-Key 请求头、Authorization: Bearer 或 ?key=

兼容 Google Cloud Vision images:annotate 与 files:annotate

识别图片中的文字

将图片以 base64 形式放入 image.content，并选择 TEXT_DETECTION 或 DOCUMENT_TEXT_DETECTION。完整文字位于 fullTextAnnotation.text，textAnnotations 列出每个词及其位置坐标。

单次请求最多 16 张图片
image.content 的 base64 内容最大 10 MB，也可在 image.source.imageUri 中提供公开的 https:// 地址
可选的 imageContext.languageHints，例如 ["en", "zh"]

# macOS 上请将 base64 -w0 FILE 改为 base64 -i FILE
curl -X POST "https://api.vionexlimited.com/v1/images:annotate" \
  -H "X-Api-Key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "requests": [{
      "image": {"content": "'"$(base64 -w0 receipt.jpg)"'"},
      "features": [{"type": "DOCUMENT_TEXT_DETECTION"}],
      "imageContext": {"languageHints": ["en", "zh"]}
    }]
  }'

import base64
import requests

with open("receipt.jpg", "rb") as f:
    content = base64.b64encode(f.read()).decode()

resp = requests.post(
    "https://api.vionexlimited.com/v1/images:annotate",
    headers={"X-Api-Key": "YOUR_API_KEY"},
    json={
        "requests": [{
            "image": {"content": content},
            "features": [{"type": "DOCUMENT_TEXT_DETECTION"}],
            "imageContext": {"languageHints": ["en", "zh"]},
        }]
    },
    timeout=60,
)
resp.raise_for_status()
print(resp.json()["responses"][0]["fullTextAnnotation"]["text"])

import { readFile } from "node:fs/promises";

const content = (await readFile("receipt.jpg")).toString("base64");
const resp = await fetch("https://api.vionexlimited.com/v1/images:annotate", {
  method: "POST",
  headers: {
    "X-Api-Key": "YOUR_API_KEY",
    "Content-Type": "application/json",
  },
  body: JSON.stringify({
    requests: [{
      image: { content },
      features: [{ type: "DOCUMENT_TEXT_DETECTION" }],
      imageContext: { languageHints: ["en", "zh"] },
    }],
  }),
});
const { responses } = await resp.json();
console.log(responses[0].fullTextAnnotation.text);

响应

{
  "responses": [
    {
      "textAnnotations": [
        {
          "locale": "en",
          "description": "MEETING NOTES\nRoom 4A · 10:00\n",
          "boundingPoly": {
            "vertices": [
              {"x": 32, "y": 24}, {"x": 418, "y": 24},
              {"x": 418, "y": 118}, {"x": 32, "y": 118}
            ]
          }
        },
        {
          "description": "MEETING",
          "boundingPoly": {
            "vertices": [
              {"x": 32, "y": 24}, {"x": 196, "y": 24},
              {"x": 196, "y": 62}, {"x": 32, "y": 62}
            ]
          }
        }
      ],
      "fullTextAnnotation": {
        "text": "MEETING NOTES\nRoom 4A · 10:00\n"
      }
    }
  ]
}

识别 PDF、TIFF 与 GIF 文件

调用 files:annotate，在 inputConfig.content 中传入文件并指定 mimeType，每一页都会返回单独的结果。

每个文件最多 5 页，可通过 pages 指定（默认前 5 页）
totalPages 返回整个文件的总页数

# macOS 上请将 base64 -w0 FILE 改为 base64 -i FILE
curl -X POST "https://api.vionexlimited.com/v1/files:annotate" \
  -H "X-Api-Key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "requests": [{
      "inputConfig": {
        "content": "'"$(base64 -w0 contract.pdf)"'",
        "mimeType": "application/pdf"
      },
      "features": [{"type": "DOCUMENT_TEXT_DETECTION"}],
      "pages": [1, 2, 3]
    }]
  }'

import base64
import requests

with open("contract.pdf", "rb") as f:
    content = base64.b64encode(f.read()).decode()

resp = requests.post(
    "https://api.vionexlimited.com/v1/files:annotate",
    headers={"X-Api-Key": "YOUR_API_KEY"},
    json={
        "requests": [{
            "inputConfig": {"content": content, "mimeType": "application/pdf"},
            "features": [{"type": "DOCUMENT_TEXT_DETECTION"}],
            "pages": [1, 2, 3],
        }]
    },
    timeout=120,
)
resp.raise_for_status()
result = resp.json()["responses"][0]
for page in result["responses"]:
    print(page["fullTextAnnotation"]["text"])
print("Total pages:", result["totalPages"])

import { readFile } from "node:fs/promises";

const content = (await readFile("contract.pdf")).toString("base64");
const resp = await fetch("https://api.vionexlimited.com/v1/files:annotate", {
  method: "POST",
  headers: {
    "X-Api-Key": "YOUR_API_KEY",
    "Content-Type": "application/json",
  },
  body: JSON.stringify({
    requests: [{
      inputConfig: { content, mimeType: "application/pdf" },
      features: [{ type: "DOCUMENT_TEXT_DETECTION" }],
      pages: [1, 2, 3],
    }],
  }),
});
const [file] = (await resp.json()).responses;
for (const page of file.responses) {
  console.log(page.fullTextAnnotation.text);
}
console.log("Total pages:", file.totalPages);

API 接口

文字识别 API 接口
方法	接口	说明
POST	`/v1/images:annotate`	识别最多 16 张图片中的文字（兼容 Cloud Vision）
POST	`/v1/files:annotate`	识别 PDF、TIFF 与 GIF 文件中的文字，每个文件最多 5 页

价格

按图片计费

以美元计价，按月阶梯计费，每项 OCR 功能分别计费。

文字识别 API 价格（美元）
每月用量	价格（美元）
OCR 文字检测（按图片或页计）每月前 1,000 个单位免费
每月 0 – 1,000 张图片	免费
每月 1,000 – 500 万张图片	每 1,000 张图片 $1.50
每月超过 500 万张图片	每 1,000 张图片 $0.60
OCR 文档文字检测（按图片或页计）每月前 1,000 个单位免费
每月 0 – 1,000 张图片	免费
每月 1,000 – 500 万张图片	每 1,000 张图片 $1.50
每月超过 500 万张图片	每 1,000 张图片 $0.60

对一张图片应用一项 OCR 功能计为一个单位：同一张图片同时使用文字检测与文档文字检测，计为两个单位。
PDF、TIFF 或 GIF 文件的每一页计为一张图片。
价格按每 1,000 张图片计，不足一个计价单位的部分按比例计费，只为实际用量付费。
只有成功处理的图片才会计费。

示例：一个月内使用文字检测处理 5,300 张图片，费用为 $6.45（其中 1,000 张图片免费 · 4,300 张图片，每 1,000 张图片 $1.50）。

查看完整价格估算您的费用

文字识别 API

将图片与文档转为可用的文字

文字检测

文档文字检测

印刷体与手写体

PDF、TIFF 与 GIF 文件

位置坐标与版面结构

数十种语言

文字识别 API 的典型用途

票据与发票

表单与合同

照片与截图

可检索的档案

识别您的第一张图片

识别图片中的文字

识别 PDF、TIFF 与 GIF 文件

API 接口

按图片计费

立即开始使用 Vionex