技能备份 - 2026-04-15 (40个技能)

2026-04-15 18:53:15 +08:00
parent f62f14814f
commit c65fce24e4
791 changed files with 190773 additions and 0 deletions
@@ -0,0 +1,131 @@
+---
+name: tencentcloud-ocr-general
+description: 腾讯云广告文字识别(AdvertiseOCR)接口调用技能。当用户需要从图片中识别文字内容时,应使用此技能。支持中英文、横排、竖排及倾斜场景的图片文字识别,支持90度、180度、270度翻转场景的图片识别,返回文本框位置与文字内容。支持图片Base64和URL两种输入方式。
+---
+
+# 腾讯云广告文字识别 (AdvertiseOCR)
+
+## 用途
+
+调用腾讯云OCR广告文字识别接口，支持图片内文字的检测和识别，返回文本框位置与文字内容。具有较高召回率和准确率。
+
+核心能力：
+- **中英文识别**：支持中英文混合文字识别
+- **多方向支持**：支持横排、竖排以及倾斜场景文字识别
+- **翻转支持**：支持90度、180度、270度翻转场景文字识别
+- **坐标返回**：返回每个文本行的四顶点坐标（Polygon）
+- **置信度评估**：返回每个文本行的识别置信度（0~100）
+
+官方文档：https://cloud.tencent.com/document/api/866/49524
+
+默认接口请求频率限制：20次/秒。
+
+## 使用时机
+
+当用户提出以下需求时触发此技能：
+- 需要从图片中提取文字信息
+- 需要识别图片上的文字内容
+- 涉及文字OCR识别的任何场景
+- 需要获取图片中文字的位置坐标信息
+
+## 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：
+  - `TENCENTCLOUD_SECRET_ID`：腾讯云API密钥ID
+  - `TENCENTCLOUD_SECRET_KEY`：腾讯云API密钥Key
+
+## 使用方式
+
+运行 `scripts/main.py` 脚本完成图片文字识别。
+
+### 请求参数
+
+| 参数 | 类型 | 必填 | 说明 |
+|------|------|------|------|
+| ImageBase64 | str | 否(二选一) | 图片Base64值，编码后不超过10M，分辨率建议600*800以上，支持PNG/JPG/JPEG/BMP |
+| ImageUrl | str | 否(二选一) | 图片URL地址，建议存储于腾讯云COS。都提供时仅使用ImageUrl |
+
+### 输出格式
+
+识别成功后返回 JSON 格式结果：
+
+```json
+{
+  "TextDetections": [
+    {
+      "DetectedText": "识别出的文本行内容",
+      "Confidence": 99,
+      "Polygon": [
+        {"X": 0, "Y": 0},
+        {"X": 100, "Y": 0},
+        {"X": 100, "Y": 50},
+        {"X": 0, "Y": 50}
+      ],
+      "AdvancedInfo": "{\"Parag\":{\"ParagNo\":1}}"
+    }
+  ],
+  "TextCount": 1,
+  "ImageSize": {
+    "Width": 800,
+    "Height": 600
+  },
+  "RequestId": "xxx"
+}
+```
+
+**响应字段说明：**
+
+| 字段 | 类型 | 说明 |
+|------|------|------|
+| TextDetections | list | 检测到的文本信息列表 |
+| TextDetections[].DetectedText | str | 识别出的文本行内容 |
+| TextDetections[].Confidence | int | 置信度 0~100 |
+| TextDetections[].Polygon | list of Coord | 文本行坐标，四个顶点坐标（X, Y） |
+| TextDetections[].AdvancedInfo | str | 扩展字段，含段落信息Parag(ParagNo) |
+| TextCount | int | 检测到的文本行数量 |
+| ImageSize | object | 图片分辨率信息，含Width和Height（单位px） |
+| RequestId | str | 唯一请求ID |
+
+### 错误码说明
+
+| 错误码 | 含义 |
+|--------|------|
+| FailedOperation.DownLoadError | 文件下载失败 |
+| FailedOperation.EmptyImageError | 图片内容为空 |
+| FailedOperation.EngineRecognizeTimeout | 引擎识别超时 |
+| FailedOperation.ImageDecodeFailed | 图片解码失败 |
+| FailedOperation.ImageNoText | 图片中未检测到文本 |
+| FailedOperation.LanguageNotSupport | 输入的Language不支持 |
+| FailedOperation.OcrFailed | OCR识别失败 |
+| FailedOperation.UnKnowError | 未知错误 |
+| FailedOperation.UnOpenError | 服务未开通 |
+| InvalidParameterValue.InvalidParameterValueLimit | 参数值错误 |
+| LimitExceeded.TooLargeFileError | 文件内容太大 |
+| ResourceUnavailable.InArrears | 账号已欠费 |
+| ResourceUnavailable.ResourcePackageRunOut | 账号资源包耗尽 |
+| ResourcesSoldOut.ChargeStatusException | 计费状态异常 |
+
+### 业务逻辑说明
+
+1. ImageBase64和ImageUrl必须提供其一，都提供时只使用ImageUrl
+2. 图片经Base64编码后不超过10M，分辨率建议600*800以上
+3. 支持PNG、JPG、JPEG、BMP格式
+4. 始终计费
+
+### 调用示例
+
+```bash
+# 通过URL识别图片文字
+python scripts/main.py --image-url "https://example.com/ad_image.jpg"
+
+# 通过文件路径(自动Base64编码)识别
+python scripts/main.py --image-base64 ./ad_image.jpg
+
+# 通过Base64文本文件识别
+python scripts/main.py --image-base64 ./base64.txt
+
+# 指定地域
+python scripts/main.py --image-url "https://example.com/ad_image.jpg" --region ap-beijing
+```