Agent Skill

腾讯云文字识别(通用高精度版)

腾讯云通用文字识别(高精度版)技能包。用户发送/粘贴图片、提供图片URL或要求识别图片文字时自动调用。支持中文、英文、中英混合、数字及特殊符号的检测与识别,返回文字框位置与内容。适用于文字较多、版式复杂、准召率要求高的场景。

知识管理·腾讯云文字识别团队·来自 skill_hub·skillhub.cn ↗
skillhub install @tencent-adm/tencentcloud-ocr
8 Stars·3.7万 综合热度·2,453 字文档·源站更新 2026-11-09

README 文档

2,453 字

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:
  • TENCENTCLOUDSECRETID:腾讯云API密钥ID
  • TENCENTCLOUDSECRETKEY: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
ImageBase64str否(二选一)图片Base64值,不超过10MB
ImageUrlstr否(二选一)图片URL地址,优先使用
IsPdfbool否是否开启PDF识别,默认false
PdfPageNumberint否需要识别的PDF页码,IsPdf为true时有效,默认1
IsWordsbool否是否返回单字信息,默认false
UserAgentstr否请求来源标识(可选),不传时自动探测平台

⚠️ UserAgent参数使用指南

--user-agent参数是可选参数,不传时脚本会自动探测当前调用平台(WorkBuddy / OpenClaw / QClaw / ADP / CodeBuddy),并输出 skill-<platform>;无法识别时回退为 skillother。用于标识API调用来源,便于按渠道追踪和统计调用次数:

调用平台不传时的自动探测结果说明
WorkBuddyskill-workbuddy自动识别
CodeBuddyskill-codebuddy自动识别
OpenClawskill-openclaw自动识别
QClawskill-qclaw自动识别
ADPskill-adp自动识别
未识别skillother兜底
显式传参原样使用人工覆盖,向后兼容

实现说明:

  • 不传 --user-agent 时,脚本通过环境变量 + 进程树回溯自动探测渠道
  • SDK 会将其拼接为 SDKPYTHONx.x.x; skill-<platform> 注入到请求的 RequestClient 字段
  • camaccessserver 会将此值写入 ES 日志的 requestClient 字段,可直接聚合统计
  • 探测逻辑异常安全:任何失败回退为 skillother,不影响 OCR 主流程

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

# 基础调用示例(--user-agent 默认为 Skills,可不传)
python scripts/main.py --image-url "https://example.com/document.jpg"

# 使用 Base64 文件调用
python scripts/main.py --image-base64 "/path/to/document.jpg"

# 识别 PDF 文件中的文字
python scripts/main.py --image-url "https://example.com/doc.pdf" \
  --is-pdf true --pdf-page-number 1

# 返回单字信息
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"

同分类其他技能

查看全部 ›