通义千问App支持15秒内拍照识图并实时解析：通过【AI识图】入口调起相机，可直拍或启用增强模式优化手写/低对比识别；文字区域需占画面60%以上；识别后输入指令即可提取结构化信息、复制或追问细节。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你想用通义千问 App 拍照后立刻识别图中文字、判断场景或提取关键信息，不用先存图再上传，整个过程要在 15 秒内完成，且识别结果要能直接复制或追问细节。
启动拍照识图入口
打开手机上的通义千问 App，确保已登录阿里云账号；若首页未显示“AI识图”按钮，向右滑动底部导航栏，找到并点击【AI识图】图标——这是唯一支持实时拍摄的专用入口，普通聊天框里的“+”按钮仅支持相册选取，无法调起相机。
点击后系统自动请求相机权限，允许即可进入取景界面。
现场拍摄与识别触发
方法一：直接拍摄
对准目标画面（如发票、白板笔记、商品标签），保持手机稳定、光线充足，点击红色快门按钮完成拍摄；照片会自动跳转至识别预览页，无需手动确认上传。
方法二：边拍边调（适合手写体或低对比度场景）
在取景界面左下角点击“增强模式”，开启后屏幕会出现实时对比度/锐化提示；此时再拍摄，系统将优先调用 Qwen2.5-VL 模型进行高鲁棒性解析，对手写连笔、阴影遮挡等干扰更敏感。
【拍摄时务必让文字区域占画面 60% 以上，否则 OCR 区域可能被误判为背景】
输入指令获取结构化结果
第一步：等待右上角出现“识别中…”提示消失，说明图文理解已完成；
第二步：在底部输入框中键入明确指令，例如：“提取所有金额和日期”“把这张会议签到表转成带表头的表格”“图里穿蓝色工装的人有几位？”；
第三步：点击发送，结果将以分段文本+可点击字段形式呈现，关键数值和人名自动高亮；
第四步：长按任意一段结果，弹出菜单选择“复制”或“追问”，比如接着问“把第二行姓名按拼音排序”。
