图片 OCR 翻译

uyghur-ai IMAGE-OCR.md

图片 OCR 翻译

由阿里云百炼 Qwen3.8-Max 先识别图片中的维吾尔文或中文,再对识别原文执行翻译。

接口:POST /api/v1/uyghur-ai/image/translation

请求必须是 multipart/form-data:

字段 约束
file 必填;JPEG(.jpg/.jpeg)、PNG 或 WebP;最大 10 MB;单次一张;不接受远程 URL
from 必填,zh 或 ug
to 必填,zh 或 ug,不能与 from 相同

图片必须能真实解码且扩展名、MIME 与签名一致,总像素不超过 16,000,000。SVG、GIF、TIFF、 HEIC、伪造扩展名和多图请求会被拒绝。

首次成功响应中,srcText(data.srcText)是 OCR 原文,tgtText(data.tgtText)是译文, pages(data.pages)为页码与 识别文字(单图页码为 1);usage 汇总 OCR 与翻译两阶段的输入、输出 token,并只结算一次。

Idempotency-Key 是必填的非空请求头;每次新图片使用唯一值,网络重试同一逻辑请求时复用原值。为保护隐私,成功 幂等重放只返回 replayed=true、content_retained=false 的计费摘要,不会保留 OCR 原文、 译文或页内容;图片与 PDF 是内容隐私例外,幂等记录不持久化任何 OCR/翻译/页面轮次内容, 因此调用方应在首次响应时保存用户需要的结果。

只在用户明确提供并同意处理时上传文件。绝不把图片字节、Base64 或 Data URL 放入 JSON、 日志或对话正文,也不要转存为公网 URL。

稳定错误码:

  • image_validation_failed:格式、大小、签名、尺寸或像素不合法;修正文件后用新幂等键提交。
  • invalid_idempotency_key:缺少或传入空白 Idempotency-Key;生成新键后再提交。
  • image_ocr_failed:OCR 响应结构无法解析;有限退避并复用原幂等键。
  • empty_ocr_content:没有识别到可翻译文字;请换清晰图片,不盲目重试。
  • upstream_unavailable:上游超时或不可用;有限退避并复用原幂等键。
  • insufficient_balance:余额不足;充值后再继续。
  • document_ocr_page_limit_exceeded:仅适用于 PDF OCR 页超过上限,应拆分 PDF。