光学字符识别 (OCR) 是 Google Distributed Cloud (GDC) 网闸隔离配置中的预训练 Vertex AI API，可让您从支持的文件类型（包括图片、文档和手写笔记）中检测和提取文本。您可以处理文本提取的内嵌请求，也可以对存储在存储桶中的文件运行异步批量作业，支持多种语言。
光学字符识别方法
OCR 在 Distributed Cloud 中提供以下方法来识别文本：
| 方法 | 说明 |
|---|---|
BatchAnnotateImages |
检测内嵌请求中提供的一批 JPEG 或 PNG 图片中的文本。 |
BatchAnnotateFiles |
检测内嵌请求中提供的一批 PDF 或 TIFF 文件中的文本。 |
AsyncBatchAnnotateFiles |
检测存储桶中一批 PDF 或 TIFF 文件中的文本，以处理离线请求。 |
光学字符识别功能
OCR API 可以检测和提取图片中的文本。以下两个注解功能支持光学字符识别：
TEXT_DETECTION可检测并提取任何图片中的文本。例如，照片可能包含街道或交通标志。OCR 服务会返回一个 JSON 文件，其中包含提取的字符串、单个字词及其边界框。
图 1. OCR API 检测到文字及其边界框的路标照片。
DOCUMENT_TEXT_DETECTION也会从图片中提取文本，但该服务会针对密集文本和文档优化回答。例如，打字文本的扫描图片可能包含多个段落和标题。OCR 服务会返回一个 JSON 文件，其中包含页面、文本块、段落、字词和换行信息。
图 2. OCR API 检测到字词、页面和段落等信息的打字文本扫描图片。
手写文本
图 3 是一张手写文字图片。OCR API 会检测并提取这些图片中的文本。如需查看支持手写识别的手写文字列表，请参阅手写文字。
图 3.OCR API 检测到文本的手写图片。
光学字符识别限制
BatchAnnotateImages 和 BatchAnnotateFiles API 方法仅支持每次批量调用一个请求。
下表列出了 Distributed Cloud 中 OCR 服务的当前限制。
| OCR 的文件限制 | 值 |
|---|---|
| 页数上限 | 五 |
| 文件大小上限 | 20 MB |
| 图片大小上限 | 2,000 万像素（长 x 宽） |
如果为 OCR API 提交的文件超过页数上限或文件大小上限，则会返回错误。如果提交的文件超出图片大小上限，系统会将其缩减至 2,000 万像素。
OCR 支持的文件类型
OCR 预训练 API 可检测并转录以下文件类型中的文本：
- TIFF
- JPG
- PNG
您必须将文件存储在 Distributed Cloud 环境中的本地位置。您无法访问 Cloud Storage 中托管的文件或公开提供的文件进行文本检测。