OCR

Optical Character Recognition: Automatically Detect and Recognize Text in Multiple Languages

原始信息汇总

OCR API 数据集概述

基本信息

• API名称: OCR
• 提供方: API4AI
• 类别: 视觉识别 / OCR
• 当前版本: v1
• 服务等级: 100%
• 延迟: 5344ms
• 流行度: 9.8

订阅计划

• BASIC: $0.00 / 月
• PRO: $39.00 / 月
• ULTRA: $169.00 / 月
• MEGA: $1299.00 / 月

核心功能

• 提供图像中光学字符识别的完整解决方案。
• 支持数十种语言，包括拉丁语、西里尔语、日语、中文和阿拉伯语等现代和古代文字。
• 提供两种识别模式：查找单独的单词或提取图像中的整个文本。
• 支持多页PDF文件。
• 支持两种传递图像的方式：作为二进制文件或通过公共资源的URL。

端点

方法	URL	描述
GET	https://ocr43.p.rapidapi.com/v1/version	获取服务版本。
GET	https://ocr43.p.rapidapi.com/v1/algos	获取算法列表。
POST	https://ocr43.p.rapidapi.com/v1/results	对常规图像执行OCR并获取结果。
POST	https://ocr43.p.rapidapi.com/v1/vin/results	对包含车辆识别码（VIN）的图像执行OCR并获取结果。

输入规范

• 支持的文件格式: JPEG、PNG、PDF。
• 支持的MIME类型: image/jpeg、image/png、application/pdf。
• 图像文件大小: 必须小于16MB。
• 最大分辨率: 4096x4096。
• 请求大小限制: 约32MB。

算法

• simple-text（默认）：将图片/页面中的所有文本作为单个块提取。
• simple-words：分别查找每个单词。

响应结构

通用OCR响应 (v1/results)

• 主要字段包括状态码、图像名称、MD5、页面、宽度、高度以及检测到的文本块数组。
• 每个文本块包含边界框坐标（归一化坐标）和识别的文本内容。

VIN识别响应 (v1/vin/results)

• 主要字段包括状态码、图像名称、MD5、页面、宽度、高度以及建议的VIN字符串数组。
• 在VIN可见度差的情况下，可能返回多个符合校验和规则的VIN建议。

演示与示例

• Web演示: https://api4.ai/apis/ocr
• Telegram演示机器人: https://t.me/a4a_ocr_bot
• 代码示例: https://gitlab.com/api4ai/examples/ocr

联系信息

• 邮箱: [e-mail]
• Telegram: https://t.me/a4a_support_bot
• Instagram: https://www.instagram.com/api4ai
• Twitter: https://twitter.com/api4ai
• Facebook: https://www.facebook.com/api4ai.solution

错误处理

• 图像无法处理: 返回状态码200，结果中状态码为failure，并包含相关解释。
• 请求过大: 返回状态码413。
• 缺少图像: 返回状态码422。

搜集汇总

背景与挑战

背景概述

该OCR数据集是一个光学字符识别API服务，能够从图像或PDF中检测和识别文本，支持包括拉丁语、西里尔语、日语、中文和阿拉伯语在内的多种语言。它提供两种识别模式：提取整体文本或分离单词，并包含专用端点用于车辆识别码（VIN）的识别，返回结果以JSON格式呈现，便于集成到计算机视觉应用中。