火山引擎OCR支持本地Base64和远程URL两种调用方式,全程可控不走公网;需创建并启用AK/SK密钥,图片格式限JPG/PNG等且≤5MB,Python或curl均可调用,支持置信度过滤与多语种识别。
☞☞☞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☜☜☜

想把手机里拍的合同、电脑截图里的报错信息、扫描件上的发票内容快速变成可编辑文字,又不想上传到不明平台泄露隐私,火山引擎图片文字识别能直接用API调用,支持Base64本地传图、URL远程拉取两种方式,全程可控不走公网传输链路。
获取AK/SK密钥对
登录火山引擎控制台→右上角头像→密钥管理→点击“创建密钥”。系统生成一对Access Key(AK)和Secret Key(SK),【SK仅显示一次,关闭页面后不可恢复,必须立刻复制保存】。建议为OCR任务单独建一个密钥,避免和其他服务混用。
密钥创建完成后,在“访问密钥”列表中找到刚生成的条目,点击右侧“启用”按钮,确保状态变为“已启用”。
准备要识别的图片
本地图片需满足:JPG/JPEG/PNG/BMP格式,文件大小≤5 MB。若图片过大,可用系统自带画图工具另存为JPG并勾选“降低质量”压缩;截图类图片建议关闭系统缩放(100% DPI),避免文字边缘模糊影响识别。
远程图片需托管在公网可访问地址,如对象存储OSS、CDN或静态资源服务器,URL必须以http://或https://开头,且图片路径不能含中文或空格。
用Python调用OCR接口(Base64方式)
方法一:使用requests发送POST请求
第一步:安装依赖——运行pip install requests;第二步:读取本地图片并转为Base64字符串;第三步:构造JSON payload,填入image_base64字段;第四步:设置headers含Content-Type: application/json和Authorization: Bearer {Your_API_Key};第五步:发送请求并解析response.json()["data"]["line_texts"]获取文字数组。
注意:Base64编码后的字符串长度会比原图大1.3倍左右,5 MB原图Base64后约6.5 MB,但接口限制的是原始文件大小,不是编码后体积,无需额外截断。
用cURL调用OCR接口(URL方式)
方法1:标准同步识别
复制以下命令,替换{Your_API_Key}为真实AK,并将image_url改为你的图片公网地址:
curl -X POST "https://mediakit.cn-beijing.volces.com/api/v1/tools-sync/image-ocr" \--header "Content-Type: application/json" \--header "Authorization: Bearer {Your_API_Key}" \--data '{"image_url": "https://example.com/receipt.jpg"}'
方法2:启用多语种自动识别
在data中加入"type": "auto"参数,适合混合中英文、数字、符号的票据或界面截图:
--data '{"image_url": "https://example.com/screenshot.jpg", "type": "auto"}'
响应结果中的result.ocr_result数组按从上到下、从左到右顺序排列文本块,每个元素含content(文字)、confidence(置信度)、top_left_x等坐标字段。
过滤低置信度结果
在请求body中添加"filter_thresh": "85",表示只返回置信度≥85%的文本行。默认值是80,设为85可有效剔除模糊字、印章干扰、反光区域误识内容。若识别结果明显偏少,可临时调低至75再试。
该参数仅影响返回的line_texts数组长度,不影响原始识别过程,也不改变坐标信息。


















