OCR／文字擷取

使用 AI 驅動的光學字元辨識從圖片擷取文字。支援多種語言與品質層級。

API 端點

POST /api/v1/tools/image/ocr

處理方式： 同步 JSON 回應。若提供 clientJobId，也會透過 SSE 回報進度。

模型套件包： ocr（5-6 GB）

參數

參數	類型	必填	預設值	說明
file	file	是	-	圖片檔案（multipart）
quality	string	否	"balanced"	品質層級：fast（Tesseract）、balanced（PaddleOCR v5）、best（PaddleOCR VL）
language	string	否	"auto"	語言提示：auto、en、de、fr、es、zh、ja、ko
enhance	boolean	否	true	預先處理圖片以提高 OCR 準確度
engine	string	否	-	已淘汰。請改用 quality。將 tesseract 對應至 fast，將 paddleocr 對應至 balanced

範例請求

curl -X POST http://localhost:1349/api/v1/tools/image/ocr \
  -F "[email protected]" \
  -F 'settings={"quality":"best","language":"en","enhance":true}'

回應（200 OK）

{
  "jobId": "a1b2c3d4-e5f6-7890-abcd-ef1234567890",
  "filename": "document.png",
  "text": "Extracted text content from the image...",
  "engine": "paddleocr-vl"
}

進度（SSE，選用）

若提供 clientJobId 表單欄位，則會串流傳送進度事件：

event: progress
data: {"phase":"processing","stage":"Recognizing text...","percent":50}

注意事項

• 需要安裝 ocr 模型套件包（5-6 GB）。
• OCR 會直接傳回擷取的文字，而非圖片下載 URL。
• 使用備援鏈結：若較高品質的層級當機（例如 PaddleOCR segfault），會自動以下一個較低層級重試。
• 若某層級傳回空白文字但未當機，也會退回至下一個層級。
• 品質層級對應各引擎：fast = Tesseract、balanced = PaddleOCR v5、best = PaddleOCR VL。
• 透過自動解碼支援 HEIC/HEIF、RAW、TGA、PSD、EXR 與 HDR 輸入格式。