共用方式為

OCR - 光学字符识别

警告

不建议使用此服务，包括 v3.2 中的 Azure AI 视觉旧版 OCR API 和 v2.1 中的 RecognizeText API。

光学字符识别 (OCR) 也称为文本识别或文本提取。 通过基于机器学习的 OCR 技术，可以从图像（如海报、街道标志和产品标签）以及文章、报表、表单和发票等文档中提取印刷或手写文本。 文本通常提取为单词、文本行和段落或文本块，从而获取扫描文本的电子版。 此功能可消除或显著减少手动数据输入的需求。

OCR 引擎

Microsoft的 读取 OCR 引擎使用支持 全球语言的多个高级机器学习模型。 它提取印刷文本和手写文本，包括混合语言和写作样式。 可以使用 “读取 ”作为云服务或本地容器进行灵活部署。 它还可用作单个非文档的仅限图像的同步 API，其性能增强功能可简化实现 OCR 辅助用户体验。

智能文档处理（IDP）使用 OCR 作为其基础技术，通过基于 文档智能的高级机器学习 AI 服务提取结构、关系、键值、实体和其他以文档为中心的见解。 文档智能包含文档优化版本的“读取”作为其 OCR 引擎，同时委托给其他模型以获取更详细的见解。 如果要从扫描的文档和数字文档中提取文本，请使用 文档智能读取 OCR。

OCR 支持的语言

目前在 Azure AI 视觉中提供的两个“读取”版本都支持多种语言的印刷和手写文本。 印刷文本的 OCR 支持英语、法语、德语、意大利语、葡萄牙语、西班牙语、中文、日语、朝鲜语、俄语、阿拉伯语、印地语和其他使用拉丁语、西里尔文、阿拉伯语和 Devanagari 脚本的国际语言。 手写文本的 OCR 支持英语、简体中文、法语、德语、意大利语、日语、朝鲜语、葡萄牙语和西班牙语。

请参阅 OCR 支持的语言完整列表。

OCR 常用功能

读取 OCR 模型可在具有通用基线功能的 Azure AI 视觉和文档智能中使用，同时针对相关的方案进行优化。 以下列表汇总了常用功能：

  • 提取受支持语言的印刷和手写文本
  • 具有位置和置信度分数的页面、文本行和字词
  • 支持混合语言、混合模式（打印和手写）
  • 本地部署可用的 Distroless Docker 容器

使用 OCR 云 API

大多数客户更喜欢云 API，因为它们易于集成并提供快速工作效率。 Azure 和 Azure AI 视觉服务将处理缩放、性能、数据安全与合规需求，你只需将工作重心放在满足客户需求上。

输入要求

读取 API 将图像和文档作为输入。 图像和文档必须满足以下要求：

  • 支持的文件格式为 JPEG、PNG、BMP、PDF 和 TIFF。
  • 对于 PDF 和 TIFF 文件，最多处理 2,000 页（仅免费层的前两页）。
  • 图像的文件大小必须小于 500 MB（免费层的 4 MB），尺寸至少为 50 x 50 像素，最多为 10,000 x 10,000 像素。 PDF 文件没有大小限制。
  • 要提取的文本的最小高度是 1024 x 768 图像的 12 像素，该图像对应于大约 8 磅字体文本（分辨率为 150 DPI）。

注释

无需裁剪文本行的图像。 将整个图像发送到读取 API，并识别所有文本。

OCR 数据隐私和安全

与所有 Azure AI 服务一样，使用 Azure AI 视觉服务的开发人员应该了解 Microsoft 针对客户数据的政策。 请参阅 Microsoft 信任中心上的“Azure AI 服务”页面来了解详细信息。

后续步骤