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。
skillhub install @tencent-adm/tencentcloud-ocr
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IDTENCENTCLOUDSECRETKEY: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 |
|---|---|---|---|
| ImageBase64 | str | 否(二选一) | 图片Base64值,不超过10MB |
| ImageUrl | str | 否(二选一) | 图片URL地址,优先使用 |
| IsPdf | bool | 否 | 是否开启PDF识别,默认false |
| PdfPageNumber | int | 否 | 需要识别的PDF页码,IsPdf为true时有效,默认1 |
| IsWords | bool | 否 | 是否返回单字信息,默认false |
| UserAgent | str | 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 |
|---|---|---|
| WorkBuddy | skill-workbuddy | 自动识别 |
| CodeBuddy | skill-codebuddy | 自动识别 |
| OpenClaw | skill-openclaw | 自动识别 |
| QClaw | skill-qclaw | 自动识别 |
| ADP | skill-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
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
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 ›提供16个搜索引擎(7国内直连+9国际)跨引擎检索、自动去重与多源交叉验证,无需API Key,附零依赖脚本
197 1121.2万 ima-skillsima skills,支持对笔记、知识库的读取、写入和检索等操作,可以帮你随时记录,收入ima智能管理,随时调用,龙虾输出精准懂你,友好
583 161.6万 全网搜索通过“查一下、搜一下、搜索、找一下”等自然语言检索公开网页,整理来源并交付横版 PDF、Markdown 与标题链接表。支持用户主动开启
11 95.3万 web-tools-guideMANDATORY before calling web_search, web_fetch, browser, or opencli.
221 47.4万 腾讯新闻腾讯新闻综合信息服务工具,支持新闻搜索与热榜/早晚报/订阅引导、腾讯较真事实查证、全国市县天气与天气预警查询、体育赛事的赛程比分查询,以
43 42.6万 全球12亿文献知识库(8千万中文期刊可下载)全球12亿文献知识库(8千万中文期刊可下载)——通过 SmartLib 开放平台 API 提供中外文学术文献检索与下载能力,覆盖 800
195 41.6万