精华内容
下载资源
问答
  • OpenCV+Tesseract自动识别文字区域并识别文字文字区域识别文字区域处理完成代码 如果图片中有非文字的其他图形,直接用tesseract进行识别的话,会把非文字的图形当成文字进行识别(往往识别出来的是乱七八糟的字符)...

    OpenCV+Tesseract自动识别文字区域并识别文字


    如果图片中有非文字的其他图形,直接用tesseract进行识别的话,会把非文字的图形当成文字进行识别(往往识别出来的是乱七八糟的字符)。因此首先需要把文字区域识别出来,再对文字区域进行处理,最后进行文字识别。

    文字区域识别

    Mat preprocess(Mat gray)
    {
    	//1.Sobel算子,x方向求梯度
    	Mat sobel;
    	Sobel(gray, sobel, CV_8U, 1, 0, 3);
    
    	//2.二值化
    	Mat binary;
    	threshold(sobel, binary, 0, 255, THRESH_OTSU + THRESH_BINARY);
    
    	//3.膨胀和腐蚀操作核设定
    	Mat element1 = getStructuringElement(MORPH_RECT, Size(30, 9));
    	//控制高度设置可以控制上下行的膨胀程度,例如3比4的区分能力更强,但也会造成漏检
    	Mat element2 = getStructuringElement(MORPH_RECT, Size(24, 4));
    
    	//4.膨胀一次,让轮廓突出
    	Mat dilate1;
    	dilate(binary, dilate1, element2);
    
    	//5.腐蚀一次,去掉细节,表格线等。这里去掉的是竖直的线
    	Mat erode1;
    	erode(dilate1, erode1, element1);
    
    	//6.再次膨胀,让轮廓明显一些
    	Mat dilate2;
    	dilate(erode1, dilate2, element2);
    
    	//7.存储中间图片
    	imwrite("binary.jpg", binary);
    	imwrite("dilate1.jpg", dilate1);
    	imwrite("erode1.jpg", erode1);
    	imwrite("dilate2.jpg", dilate2);
    
    	return dilate2;
    }
    
    
    vector<RotatedRect> findTextRegion(Mat img)
    {
    	vector<RotatedRect> rects;
    	//1.查找轮廓
    	vector<vector<Point>> contours;
    	vector<Vec4i> hierarchy;
    	findContours(img, contours, hierarchy, RETR_CCOMP, CHAIN_APPROX_SIMPLE, Point(0, 0));
    
    	//2.筛选那些面积小的
    	for (int i = 0; i < contours.size(); i++)
    	{
    		//计算当前轮廓的面积
    		double area = contourArea(contours[i]);
    
    		//面积小于1000的全部筛选掉
    		if (area < 1000)
    			continue;
    
    		//轮廓近似,作用较小,approxPolyDP函数有待研究
    		double epsilon = 0.001 * arcLength(contours[i], true);
    		Mat approx;
    		approxPolyDP(contours[i], approx, epsilon, true);
    
    		//找到最小矩形,该矩形可能有方向
    		RotatedRect rect = minAreaRect(contours[i]);
    
    		//计算高和宽
    		int m_width = rect.boundingRect().width;
    		int m_height = rect.boundingRect().height;
    
    		//筛选那些太细的矩形,留下扁的
    		if (m_height > m_width * 1.2)
    			continue;
    
    		//符合条件的rect添加到rects集合中
    		rects.push_back(rect);
    
    	}
    	return rects;
    }
    
    void detect(Mat img)
    {
    	//1.转化成灰度图
    	Mat gray;
    	cvtColor(img, gray, CV_BGR2GRAY);
    
    	//2.形态学变换的预处理,得到可以查找矩形的轮廓
    	Mat dilation = preprocess(gray);
    
    	//3.查找和筛选文字区域
    	vector<RotatedRect> rects = findTextRegion(dilation);
    
    	//4.用绿线画出这些找到的轮廓
    	for each (RotatedRect rect in rects)
    	{
    		Point2f P[4];
    		rect.points(P);
    		for (int j = 0; j <= 3; j++)
    		{
    			line(img, P[j], P[(j + 1) % 4], Scalar(0, 255, 0), 2);
    		}
    	}
    
    	//5.显示带轮廓的图像
    	imshow("img", img);
    	imwrite("imgDrawRect.jpg", img);
    
    	waitKey(0);
    }
    

    文字区域处理

    用上面的方法识别出来的文字区域是文字区域的最小外接矩形,有可能有些文字的边边角角有些像素就被排除在外了,因此还需要把文字区域扩大一点。

    cv::Mat originalPicture = imread(picturePath, cv::IMREAD_GRAYSCALE);//读取一张图片
    	Mat dilation = preprocess(originalPicture );
    	vector<RotatedRect> rects = findTextRegion(dilation);
    	int xmin = 0, xmax = 0, ymin = 0, ymax = 0;
    	int count = 0;
    	for each (RotatedRect rect in rects)
    	{
    		count++;
    		Point2f P[4];
    		rect.points(P);
    		xmin = P[1].x;
    		ymin = P[1].y;
    		xmax = P[1].x;
    		ymax = P[1].y;
    		for (int j = 0; j <= 3; j++)
    		{
    			if (P[j].x < xmin)
    			{
    				xmin = P[j].x;
    			}
    			if (P[j].y < ymin)
    			{
    				ymin = P[j].y;
    			}
    			if (P[j].x > xmax)
    			{
    				xmax = P[j].x;
    			}
    			if (P[j].y > ymax)
    			{
    				ymax = P[j].y;
    			}
    
    		}
    		Rect tempRect(xmin - 5, ymin - 5, xmax - xmin + 10, ymax - ymin + 10);//文字区域的最小外接矩形的4条边再外扩5个像素点。具体外扩多少,还取决于文字区域旁边有多少空白的地方可以扩,尽量往外扩。
    	}
    

    文字区域外扩完之后,有可能还不能直接用tesseract进行识别,有可能识别出来是乱码(有可能是因为此时截下来的图的边沿到实际的文字距离太近了),此时还得对刚才外扩之后的区域再进行放大。

    		Mat temppicture = originalPicture (tempRect);
    
    		double scale = 2;//文字区域截图放大,倍数为2。具体的放大位数还需要调试,这取决于未放大前的文字区域图片的大小和分辨率等。
    		Size dsize = Size(temppicture.cols * scale, temppicture.rows * scale);
    		Mat img2 = Mat(dsize, CV_32S);
    		resize(temppicture, img2, dsize);
    		tessChi_sim->SetImage((uchar*)img2.data, img2.cols, img2.rows, 1, img2.cols);
    		//tessChi_sim->SetSourceResolution(1000);
    		tessChi_sim->SetVariable("textord_really_old_xheight", "1");
    		char* out = tessChi_sim->GetUTF8Text();
    
    		std::string temp(out);
    		std::string stdstr;
    		if (out != NULL)
    		{
    			const char* textout = temp.c_str();
    			printf(textout);
    			text = text + gcnew System::String(textout, 0, strlen(textout), System::Text::UTF8Encoding::UTF8);
    		}
    

    完整代码

    #include <opencv2\core\core.hpp>
    #include <opencv2\highgui\highgui.hpp>
    #include <opencv2/highgui/highgui_c.h>
    #include "opencv2/imgproc/imgproc.hpp"
    #include <opencv2\opencv.hpp>
    #include <opencv2/imgcodecs.hpp>
    #include <tesseract/baseapi.h>
    #include <vector>
    
    using namespace std;
    using namespace cv;
    using namespace tesseract;
    Mat preprocess(Mat gray)
    {
    	//1.Sobel算子,x方向求梯度
    	Mat sobel;
    	Sobel(gray, sobel, CV_8U, 1, 0, 3);
    
    	//2.二值化
    	Mat binary;
    	threshold(sobel, binary, 0, 255, THRESH_OTSU + THRESH_BINARY);
    
    	//3.膨胀和腐蚀操作核设定
    	Mat element1 = getStructuringElement(MORPH_RECT, Size(30, 9));
    	//控制高度设置可以控制上下行的膨胀程度,例如3比4的区分能力更强,但也会造成漏检
    	Mat element2 = getStructuringElement(MORPH_RECT, Size(24, 4));
    
    	//4.膨胀一次,让轮廓突出
    	Mat dilate1;
    	dilate(binary, dilate1, element2);
    
    	//5.腐蚀一次,去掉细节,表格线等。这里去掉的是竖直的线
    	Mat erode1;
    	erode(dilate1, erode1, element1);
    
    	//6.再次膨胀,让轮廓明显一些
    	Mat dilate2;
    	dilate(erode1, dilate2, element2);
    
    	//7.存储中间图片
    	imwrite("binary.jpg", binary);
    	imwrite("dilate1.jpg", dilate1);
    	imwrite("erode1.jpg", erode1);
    	imwrite("dilate2.jpg", dilate2);
    
    	return dilate2;
    }
    
    
    vector<RotatedRect> findTextRegion(Mat img)
    {
    	vector<RotatedRect> rects;
    	//1.查找轮廓
    	vector<vector<Point>> contours;
    	vector<Vec4i> hierarchy;
    	findContours(img, contours, hierarchy, RETR_CCOMP, CHAIN_APPROX_SIMPLE, Point(0, 0));
    
    	//2.筛选那些面积小的
    	for (int i = 0; i < contours.size(); i++)
    	{
    		//计算当前轮廓的面积
    		double area = contourArea(contours[i]);
    
    		//面积小于1000的全部筛选掉
    		if (area < 1000)
    			continue;
    
    		//轮廓近似,作用较小,approxPolyDP函数有待研究
    		double epsilon = 0.001 * arcLength(contours[i], true);
    		Mat approx;
    		approxPolyDP(contours[i], approx, epsilon, true);
    
    		//找到最小矩形,该矩形可能有方向
    		RotatedRect rect = minAreaRect(contours[i]);
    
    		//计算高和宽
    		int m_width = rect.boundingRect().width;
    		int m_height = rect.boundingRect().height;
    
    		//筛选那些太细的矩形,留下扁的
    		if (m_height > m_width * 1.2)
    			continue;
    
    		//符合条件的rect添加到rects集合中
    		rects.push_back(rect);
    
    	}
    	return rects;
    }
    
    void detect(Mat img)
    {
    	//1.转化成灰度图
    	Mat gray;
    	cvtColor(img, gray, CV_BGR2GRAY);
    
    	//2.形态学变换的预处理,得到可以查找矩形的轮廓
    	Mat dilation = preprocess(gray);
    
    	//3.查找和筛选文字区域
    	vector<RotatedRect> rects = findTextRegion(dilation);
    
    	//4.用绿线画出这些找到的轮廓
    	for each (RotatedRect rect in rects)
    	{
    		Point2f P[4];
    		rect.points(P);
    		for (int j = 0; j <= 3; j++)
    		{
    			line(img, P[j], P[(j + 1) % 4], Scalar(0, 255, 0), 2);
    		}
    	}
    
    	//5.显示带轮廓的图像
    	imshow("img", img);
    	imwrite("imgDrawRect.jpg", img);
    
    	waitKey(0);
    }
    
    void main()
    {
    	cv::Mat originalPicture = imread(picturePath, cv::IMREAD_GRAYSCALE);//读取一张图片
    	Mat dilation = preprocess(originalPicture );
    	vector<RotatedRect> rects = findTextRegion(dilation);
    	int xmin = 0, xmax = 0, ymin = 0, ymax = 0;
    	int count = 0;
    	for each (RotatedRect rect in rects)
    	{
    		count++;
    		Point2f P[4];
    		rect.points(P);
    		xmin = P[1].x;
    		ymin = P[1].y;
    		xmax = P[1].x;
    		ymax = P[1].y;
    		for (int j = 0; j <= 3; j++)
    		{
    			if (P[j].x < xmin)
    			{
    				xmin = P[j].x;
    			}
    			if (P[j].y < ymin)
    			{
    				ymin = P[j].y;
    			}
    			if (P[j].x > xmax)
    			{
    				xmax = P[j].x;
    			}
    			if (P[j].y > ymax)
    			{
    				ymax = P[j].y;
    			}
    
    		}
    		Rect tempRect(xmin - 5, ymin - 5, xmax - xmin + 10, ymax - ymin + 10);//文字区域的最小外接矩形的4条边再外扩5个像素点。具体外扩多少,还取决于文字区域旁边有多少空白的地方可以扩,尽量往外扩。
    	}
    		Mat temppicture = originalPicture(tempRect);
    
    		double scale = 2;//文字区域截图放大,倍数为2。具体的放大位数还需要调试,这取决于未放大前的文字区域图片的大小和分辨率等。
    		Size dsize = Size(temppicture.cols * scale, temppicture.rows * scale);
    		Mat img2 = Mat(dsize, CV_32S);
    		resize(temppicture, img2, dsize);
    		tessChi_sim->SetImage((uchar*)img2.data, img2.cols, img2.rows, 1, img2.cols);
    		//tessChi_sim->SetSourceResolution(1000);
    		tessChi_sim->SetVariable("textord_really_old_xheight", "1");
    		char* out = tessChi_sim->GetUTF8Text();
    
    		std::string temp(out);
    		std::string stdstr;
    		if (out != NULL)
    		{
    			const char* textout = temp.c_str();
    			printf(textout);
    			text = text + gcnew System::String(textout, 0, strlen(textout), System::Text::UTF8Encoding::UTF8);
    		}
    }
    
    展开全文
  • 截屏识别文字工具

    2020-05-23 17:40:43
    截屏识别文字工具,截屏OCR工具

    一、初衷

           最近会经常看些文档,并且还是不可复制的内容,就想到可以通过截屏识字的方式来完成,故就网上搜了一下发现有很多这种小工具(心中狂喜),不成想都是收费的,或者限制次数(心碎一地)。就想着自己设计这样一个小工具,使用各个大厂提供的接口完成该功能,现分享出来。若对你有用,请收藏+关注,谢谢!!!

    二、下载

          直接下载即可。

          下载需要一点点积分。如无积分,私信我留下邮箱,有时间会给您发送一份。

    三、简单使用

    解压后找到ocrmain.exe,即可直接使用。

    四、接口参数设置

    由于个人接口的免费次数是有限制的,建议自己申请账号和应用并在下面填写

    五、一个诉求

    本软件完全由个人开发和维护,免费提供。但是各个接口都有使用的次数限制,为了我们能够一直使用,希望您能够贡献一下接口的id和密钥。待收集数据后,下个版本将会打破次数限制。

    请直接发送到邮箱(xiucai600@qq.com),谢谢!!!

     

    展开全文
  • 原标题:如何截图识别文字?这五款软件教你轻松识别文字!在我们日常学习和日常工作中,如果遇到截图识别文字该怎么办呢? 有时候我们会需要在电脑桌面或者浏览页上临时截图识别图中的文字,尤其是在写文章记录素材...

    原标题:如何截图识别文字?这五款软件教你轻松识别文字!

    在我们日常学习和日常工作中,如果遇到截图识别文字该怎么办呢?

    有时候我们会需要在电脑桌面或者浏览页上临时截图识别图中的文字,尤其是在写文章记录素材的时候。

    今天小编就来给大家介绍5款可以截图识别文字的软件,希望对大家能有帮助哦!

    第一款 PicPick截图软件

    PicPick是这款免费截图工具,汇集屏幕截取、取色器、调色板、放大镜、标尺、量角器、坐标轴、白板等功能。截屏的模式包括:全屏,活动窗口,滚动窗口,矩形区域,固定区域、手绘区域、重复上次截取等,可以满足大部分人的需求。在将图片截好后,再将图片转换为文字,主要是这个软件的截图效果超好,如果不能接受一个软件截图一个软件识别文字的话,就算了。

    第二款 风云OCR文字识别

    风云OCR文字识别是一款基于Windows系统的文件识别软件。无论是拍照、导入、识别、自动分类,还是核对信息、批量管理、导出表格,全程都能在电脑上完成。风云OCR文字识别快速高效,采集识读一份文件3-5秒钟,而且识别精度高。截图识别功能的准确率高,还能直接将识别出来的文字保存为Word文件,方便快捷,一键解决!

    第三款 CoCo截图转文字识别器

    CoCo截图转文字识别器可以快速的将图片转换为文字,具有一键快速截图,转换图片内文字图像为文字信息,直接将图像中的文字存储为文本文字。

    第四款 ScreenOCR

    ScreenOCR这款软件需要配合snipaste一起使用,可以识别截图里面的文字内容并自动翻译和复制到剪切板使用起来还是很方便。就是需要配合其他软件刚开始会有点不习惯。

    第五款 EasyScreenOCR

    EasyScreenOCR可以将PC屏幕截图通过OCR文字识别将图片中的文字识别出来。支持识别多种语种识别,可以自己设置热键方便更快速的截屏识别。

    以上就是5种可以截图识别文字的软件了。

    如果大家还有想了解的盘点欢迎给小编留言。

    责任编辑:

    展开全文
  • 我们经营要文字识别,微信小程序现在也可以识别文字啦,微信小程序识别文字如何识别?微信小程序比APP方便,可以节省手机内存空间,随用随走等特点。 1、在微信发现中找到小程序,点击进入。 2、在这里搜素,...

    我们经营要文字识别,微信小程序现在也可以识别文字啦,微信小程序识别文字如何识别?微信小程序比APP方便,可以节省手机内存空间,随用随走等特点。

    1240

    1、在微信发现中找到小程序,点击进入。

    1240

    2、在这里搜素,用过的小程序就在这里。

    1240

    3、点击搜素输入小程序的名称:迅捷文字识别

    1240

    4、这里可以选择照片,也可以拍照识别。

    1240

    5、这是我选择的照片,选择照片点完成就可以。

    1240

    6、识别完成后就是这样,可以翻译,复制,转发,退出等操作。

    1240

         微信小程序识别文字如何识别就是这样,小程序随用随走,不占用手机很多内存,有兴趣的小伙伴可以去试试。

    转载于:https://my.oschina.net/u/3890525/blog/1835254

    展开全文
  • javaOCR识别文字

    万次阅读 2018-06-18 18:25:40
    javaOCR识别文字 图片转文字,两种方式实现,一种是使用Tesseract,但是对中文识别支持不是很好,需要自己训练模型。如何训练请自行百度。 另一种是使用百度OCR识别API,需要自己注册获取OCR的key等相关信息,百度...
  • 拍照识别文字的方法

    千次阅读 2019-02-26 17:11:58
    1、先打开手机,在手机上下载一个可以拍照识别文字的工具,如图所示。 2、点击打开软件,点击“小功能”这个页面,点击之后,可以看到软件上面的一些功能,点击选择——拍照识别文字这个功能。 3、点击拍照识别...
  • 手机拍照怎么识别文字

    千次阅读 2019-01-14 17:09:22
    可以说拍照识别文字在很多的场合都会用到吧,比如公司文件转录、纸质文档转为电子档,或者自己平时需要喜欢文章的截图转文字使用,那有什么简单的方法可以完成这个任务呢?其实手机拍照就可以识别文字,完成上述的...
  • Android 身份证拍照 识别 文字识别 (百度) 百度智能云文档 身份证识别DEMO 1. 为您自己的工程添加必要的权限 如果您在自己的工程中集成SDK,请确保已经在工程AndroidManifest.xml文件中添加如下权限: <uses-...
  • python 图片识别 文字

    2018-08-17 17:39:30
    以前一直觉得图片上面能识别文字是一件特别高大上的事情,发现有了python以及其工具包tesseract。exe,一切都会变得简单。 比如我们要识别以下图片,则可以打印出 “你放弃时它会巨己停在你胄上 你死命追求一个人”...
  • 软件无需安装, 适用于Windows 系统,具有截图文字识别,拖拽文字识别,打开图片文件文字识别三种 文字提取等功能,亦可用于图片和PDF中文字的识别提取中。 软件下载地址:https://share.weiyun.com/UXuiec7t 百度...
  • 腾讯云语音识别(asr) 为开发者提供语音转文字服务的最佳体验。 语音识别服务具备识别准确率高、接入便捷、性能稳定等特点。 腾讯云语音识别服务开放实时语音识别、一句话识别和录音文件识别三种服务形式,满足不同...
  • 图片识别文字的软件有很多,有的收费有的免费,今天给大家介绍这个免费的OCR图纹识别软件,名字是ShareX,它是个国外免费软件,软件主要有截图和屏幕录像等,今天我们主要用它来进行OCR图文识别。使用之前还是搜索...
  • python调用百度api实现摄像头识别文字关于文字识别 关于文字识别 关于文字识别,起初来自一从医朋友的想法,朋友想通过搭建一个平台来观察康复病人的状况以此减少夜班护士的工作压力,但是由于某些仪器是国外进口,...
  • 拍照识别文字类的应用给我们的生活和工作都提供了不少便利,下面给大家介绍一个比较好用的拍照识别 文字的手机软件,看看它是怎么拍照识别文字的。 1、 首先我们可以在各大应用市场上下载这个软件...
  • python调用百度文字识别api识别文字

    千次阅读 2019-03-27 08:45:56
    首先你需要去百度云免费申请一个百度云文字识别api的接口,获得你的APP_ID,API_KEY,SECRET_KEY。然后使用pycharm(或者其他安装方法)安装baidu-api 测试代码 from aip import AipOcr class ImageToText: def __...
  • 一秒识别文字找到文字!使用编程工具完成识字找字功能.rar
  • PaddleOCR简单使用,识别文字测试

    千次阅读 2020-12-18 19:45:49
    PaddleOCR初始简单使用,识别文字测试 1.环境 Windows10 python3.6 paddle 2.0 百度飞桨 代码 代码参考至https://blog.csdn.net/zaibeijixing/article/details/108753903 做了一下说明和微变 安装paddleocr库,...
  • 现在苹果手机很常见,苹果手机如何拍照识别文字?苹果手机跟电脑一样,都是很方便识别文字的,那么苹果拍照识别要注意哪些地方,接下来我就跟你分享。 1你要在手机上点击搜索该迅捷PDF阅读器,下载安装至手机上,这...
  • 前段时间接到一个棘手的难题(识别图片文字,将图片文件名改成该文字) 因为不解决就得手动挨个挨个输入然后把文件命名好 今天又一个文件需求是这样的 图上有姓名文字,要识别出来改成每一张图跟这个一样,有的人...
  • OCR文字识别 使用场景: 对于电商中的分销机制,是需要用户上传身份证或者银行卡的,由于身份证号码(18位/15位),银行卡(19位/17位/16位),位数较多,在用户输入时,有些繁琐。 以支付宝绑定银行卡为例,可以...
  • 一加6手机如何拍照识别文字?手机拍照很简单,但识别文字就比较难,这里分享一个技巧。 1在手机上点击搜索该迅捷PDF阅读器,接着开始识别。 2下载打开之后就是这样啦,你要找到小功能界面 3这里是新增的小...
  • 电表OCR识别 文字识别

    2020-05-06 13:08:30
    U2FsdGVkX18DJbwyb7YosCEfsh+NrbDrq2P7Wr5cEI9bkLF9NMuMwvhiyt0Qqh1f 1UuuSiXwOlKbFAGZlPlu1Of0NlzB1YTnyOBmdVQbF6w=
  • 屏幕识别文字

    2019-10-14 11:54:19
    1.下载最新版的腾讯QQ登陆,下载地址:https://im.qq.com/ 2.默认识别快捷键为 CTRL+ALT+O 按下快捷键 3.诺以上无反应,去qq查看。
  • Python爬虫之图片识别文字demo

    千次阅读 2018-11-30 11:39:21
    Python爬虫之图片识别文字demo 软件架构 软件架构说明 下载安装pytesseract,具体百度参考。 引入from PIL import Image 实例如下 原图片  代码运行 项目地址:https://gitee.com/java521/ocr 菜鸟分享=...
  • Android ocr识别文字介绍(文字识别)

    千次阅读 2016-04-29 10:25:49
    最近在做身份证号码识别,在网上搜索的一番后发现目前开源的OCR中tesseract-ocr算是比较强大的了,它由HP于1985年到1995年间开发,后来由google直接负责,经过谷歌进一步开发后,目前的tesseract-ocr有了显著的改进...
  • 视频语音识别文字

    2020-10-27 18:14:16
    腾讯云语音识别服务开放实时语音识别、一句话识别和录音文件识别三种服务形式,满足不同类型开发者需求... 语音识别 简介 腾讯云语音识别 为企业提供极具性价比的语音识别服务 被微信王者荣耀 腾讯视频等大量内部...
  • C++ OCR图片识别文字

    2015-11-19 16:01:30
    利用霍夫变换直线,检测出名片边界,计算倾斜角,对其校正,然后利用开源ocr库,对文字识别
  • Python:截取图片后识别文字输出至剪切板1. 背景2. 搭建环境3. 源代码4. 使用步骤5. 运行结果 1. 背景   偶尔截取了一张图片,需要拷贝其中的文字(如下图),用键盘打字嫌麻烦,又容易出错。现希望对截图进行...
  • 腾讯云语音识别(asr) 为开发者提供语音转文字服务的最佳体验。 语音识别服务具备识别准确率高、接入便捷、性能稳定等特点。 腾讯云语音识别服务开放实时语音识别、一句话识别和录音文件识别三种服务形式,满足不同...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 18,814
精华内容 7,525
关键字:

识别文字