Files
eaiadmin b7238ad667 refactor: 收口技能与专员目录定义
统一 skill 与 specialist 清单,移除旧的 office 执行包与下线对象,并补入 text_to_speech、customer_followup 等当前目录定义与种子数据。
2026-09-22 23:38:56 +08:00
..

OCR 图文理解(ocr-understanding)样例

用途

识别图片中的文字并结构化输出(OCR / 图文理解)。

样例文件

  • images/公司介绍_帧1.png —— 从公司介绍视频抽取的一帧画面,作为图片输入样例。

调用方式

  • 接口:POST /api/skills/office/ocr(multipart 上传图片 file,带 task_id;如需可带 prompt)。
  • 把 images/公司介绍_帧1.png 作为上传图片。

期望产出

识别出的文本(text)+ 行级坐标(lines)+ 引擎与上传信息,便于下游进一步整理。

说明:技能为「已实现」,走 office 自定义 OCR(PaddleOCR 脚本)运行时。