跳转到内容

服务配置:提取文字

服务配置中的「提取文字」栏目用于配置提取文字的专用模型。

「通用 AI」服务中的带视觉能力的模型也可以提供「提取文字」能力。

提取文字服务负责读取文本块中的文字,并把识别结果写入文本块原文。它和 检测文本块 是不同的步骤:

  • 检测负责找到文字区域并建立文本块
  • 提取负责识别这些区域里的字符。某些检测服务会同时返回文字,因此可能不需要再单独运行提取。

目前专用的提取文字服务仅支持本地提取文本器。

它使用本地 PP-OCRv6 模型识别,不需要配置在线服务 API,也不会通过网络将数据交由远程处理。

模型文件需要先在应用的服务配置/本地模型管理区域下载或导入;未安装模型时不能运行提取。

本地提取器基于 PP-OCRv6 识别模型,大致流程如下:

  1. 提取的前置条件是存在文本块,通常先运行文本块检测,或者手动创建文本块;
  2. 程序裁切出文本块出对应图像区域,并交给本地识别模型;
  3. 模型返回若干文字行(列)及位置,经过一些算法合并成单条文本,排除掉一些无用文本行(列),并识别出排版方向;
  4. 识别结果写回文本块,供后续翻译和校对使用。