text
通用文字识别
印刷体、手写体、中英混排整页识别，逐行返回文字内容与坐标，可直接用于全文检索与高亮定位。
返回文本行 + 四点坐标 + 置信度
多形态接入 · 一次集成
REST API
Java / Python SDK
C++ 原生库
浏览器控件
Docker 镜像
信创环境
Why Component
不要再让每个系统
不要再让每个系统
各自接一套 OCR
识别能力一旦被当成「每个项目都要重新做一遍」的功能，就会变成烟囱：接口各不相同、识别口径互不一致、采购和运维成本随系统数量线性增长。
烟囱式建设
三个系统，三套识别
每个业务系统各自选型、各自封装、各自升级。同一张单据在不同系统里识别出不同结果，出了问题谁也说不清是谁的错。
OA办公系统OCR 接口 A
ERP业务系统OCR 接口 B
FMS财务系统OCR 接口 C
…新建系统再采购一套
同一张单据，三种识别结果，口径无法对齐
公共组件
一套组件，被所有系统调用
识别能力沉淀为独立组件：统一接口、统一模型、统一口径。新系统只需接入，不重复建设；模型升级一次，全业务同时受益。
OA办公系统
ERP业务系统
APP移动端 / 小程序
统一调用
OCROCR 公共组件统一 API
一套模型、一套接口，结果与口径完全一致
Architecture
四层结构，业务系统只看见一层
上层按业务系统的习惯提供接口，下层屏蔽模型、图像处理与部署差异。换引擎、换硬件、换部署方式，业务代码不用改。
接入层ACCESS
REST API
Java / Python SDK
C++ 原生库
浏览器控件
回调与批量任务
能力层CAPABILITY
通用文字
表格结构
印章检测
证照卡证
手写体
版面还原
引擎层ENGINE
版面检测
纠偏与增强
文字识别
表格还原
字段抽取
置信度评估
运行层RUNTIME
私有化部署
容器化 / 集群
CPU 推理
信创适配
日志与监控
灰度升级
Capabilities
六类通用识别能力
六类通用识别能力
覆盖多数业务场景的输入
按「输入一张图，返回什么结构」来设计接口。每一类能力都可以单独开通，也可以组合调用。
table
表格结构识别
有线表、无线表、合并单元格统一处理，还原行列关系，一份文件里的多张表格分别返回，可直接导出 Excel。
返回单元格矩阵 + 表头识别 + 行列坐标
stamp
印章检测识别
检测合同、票据上的圆章、方章与骑缝章，支持红章与黑章，返回印章位置与章面文字，可用于用印核验。
返回印章区域 + 章面文字 + 数量
card
证照与卡证识别
身份证、营业执照、银行卡、开户资料等固定版式材料，按模板输出关键字段，字段名与业务库一一对应。
返回结构化字段（JSON / 键值对）
handwriting
手写体识别
表单手写填报、签批意见、批注单独成块识别，与印刷正文互不干扰，支持判断「有无手写签名」。
返回手写区块 + 文本 + 存在性标记
layout
版面分析与还原
区分标题、正文、表格、图片、页眉页脚与印章，按阅读顺序输出版块，分栏与公文版式不串行。
返回版块序列 + 阅读顺序 + 结构树
Specifications
技术指标
技术指标
可压测，可验证
下列指标在 4 核 CPU / 8G 内存、无独立显卡的标准服务器环境实测，可按你的样张现场复测。
关于「准确率」的口径
98% 指 300dpi 标准印刷体、清晰版面的字符级准确率；手写体与低质量翻拍件的实际表现差异较大，以同批次样张的实测报告为准，我们在选型阶段提供测试数据。
| 识别语种 | 简体中文、繁体中文、英文、中英混排；专业词库可定制 |
|---|---|
| 输入格式 | JPG / JPEG / PNG / BMP / TIFF；单页与多页 PDF |
| 响应速度 | ≤0.2 秒 / 页（A4，4 核 CPU / 8G，无需 GPU，含图像预处理） |
| 字符准确率 | ≥98%（标准印刷体，300dpi） |
| 图像鲁棒性 | ±15° 内任意角度纠偏、去黑边、去噪、阴影与折痕抑制 |
| 版面能力 | 文本 / 表格 / 图片 / 印章 / 页眉页脚分区，还原阅读顺序 |
| 输出结构 | JSON（文本、坐标、版块、置信度）；可导出双层 PDF / OFD / Word / Excel |
| 并发能力 | 单节点 8～12 并发（A4 常规版面），支持横向扩容与队列削峰 |
| 部署形态 | 物理机 / 虚拟机 / 容器；纯离线，无外网依赖 |
| 系统兼容 | Windows Server、CentOS、Ubuntu、统信 UOS、银河麒麟 |
Integration
三种接入方式
三种接入方式
按系统形态挑一种
服务端系统走 API，客户端软件嵌 SDK，整套私有化落容器。接口与字段三种方式完全一致，换形态不用改业务逻辑。
REST API
最通用的接入方式。POST /v2/ocr/recognize，返回 JSON，任何能发 HTTP 请求的语言都能用。
SDK 嵌入
Java / Python / C++ 原生库，本地进程内调用，无需经过网络，适合客户端与高吞吐批处理。
私有化容器
一个镜像起服务，注册到内网网关即可被多系统共用；支持多副本与灰度升级，模型随镜像更新。
示例 · 通用文字识别
# 通用文字识别：返回逐行文本、坐标与置信度
curl -X POST "http://ocr.internal/v2/ocr/recognize" \
-H "Authorization: Bearer $TOKEN" \
-H "Content-Type: application/json" \
-d '{
"scene": "general",
"lang": "zh_en",
"image": "<base64 | url>"
}'
from xuanen_ocr import Client
cli = Client(endpoint="http://ocr.internal", token=TOKEN)
res = cli.recognize(
image="contract_03.jpg",
scene="general", lang="zh_en",
deskew=True, layout=True)
for b in res.pages[0].blocks:
print(b.type, b.text) # 文本 / 坐标 / 置信度
OcrClient cli = new OcrClient("http://ocr.internal", token);
OcrRequest req = OcrRequest.builder()
.image(Paths.get("contract_03.jpg"))
.scene(Scene.GENERAL)
.lang("zh_en").deskew(true).build();
OcrResult res = cli.recognize(req);
res.pages().get(0).blocks().forEach(System.out::println);
182ms 平均响应
JSON 结构化返回
全离线 内网调用
Workflow
从接入到上线，四步
不需要重写业务代码。拿到镜像或 SDK 之后，通常一周内可以跑通第一个场景。
01
部署
拉起容器镜像或安装 SDK，注册到内网网关，分配应用与密钥。
02
联调
选一个字段最清晰的应用场景，用真实样张跑通 /recognize 接口。
03
调优
按样张反馈配置版面策略与专业词库，把置信度阈值调到业务可接受区间。
04
推广
其余系统改为调用公共组件，下线各自的旧识别接口，统一监控与版本。
Scenarios
同一套组件，六个行业的输入
识别引擎不挑行业，挑的是版面。选一个最接近你业务的场景，看看公共组件在里面承担什么。
政务与公共服务
一网通办的材料上传、窗口收件、审批附件，是识别需求最密集的地方，也是最不适合把数据送出去的地方。
- 身份证、营业执照、申请表按模板输出字段，减少窗口二次录入
- 手机翻拍件自动纠偏去反光，提高一次识别通过率
- 申办材料与申报信息自动比对，缺项漏项即时提示
- 组件内网部署，一次接入供所有委办局业务系统调用
银行与保险
票据、保单、开户资料的版式多、要素多，识别之后要的是可直接入账的结构化字段，而不是一段文本。
- 票号、金额、日期、户名等关键要素定位识别，输出 JSON 直连业务库
- 票据、合同、证件多模板并行，新增版式无需改接口
- 低置信字段自动标记，人工只需复核被标红的少数位置
- 组件部署在行内机房，满足数据不出内网的合规要求
物流与供应链
面单、回单、报关单每天数以万计，版式由不同承运商各自定义，靠人工维护模板根本不现实。
- 多版式面单自动识别运单号、收寄信息，无需逐家配模板
- 批量提交 + 异步回调，适配高并发扫描流水线
- 签收回单的手写签名单独分区识别，配合存在性判断
- 单节点可横向扩容，高峰期按队列自动削峰
医疗健康
纸质病历、检验报告、知情同意书要长期保存并支持调阅，手写签名与医生字迹是最大的难点。
- 病历首页、入院记录、检验单按模板抽取关键字段
- 手写签名与批注单独成块，不干扰正文识别结果
- 输出双层 PDF，检索命中可直接定位到原文位置
- 院内网离线部署，患者信息不出院区
教育与考试
试卷、答题卡、学籍材料并存，版式固定但对准确率容错极低，阅卷场景还要求结果可追溯。
- 试卷题干与答题区分离识别，保留题号与版面结构
- 手写答案与机读信息分别输出，便于人工复核
- 学籍卡、成绩单等表格类材料结构化提取
- 识别结果带坐标，可回溯到原始扫描件定位核对
制造与能源
质检单、送货单、设备铭牌、巡检记录分散在车间与现场，很多是手写填单，回办公室再录一遍是最常见的浪费。
- 手写质检单与巡检记录识别，字段直接进 MES / ERP
- 设备铭牌、条码区域定位，与设备台账自动关联
- 工控网内私有化部署，识别服务与生产网隔离运行
- 边缘设备低配运行，纯 CPU 推理无需显卡
Deployment & Security
部署在你自己的机房里
对政务、金融、医疗、制造的客户来说，能不能本地跑，往往比准确率高一个点更重要。
容器化标准交付
一个镜像包含模型与运行时，docker run 即可起服务；多副本横向扩容，模型随镜像版本更新。
全链路不出网
模型、影像、识别结果全部留在内网；无任何外部请求，可在物理隔离的专网环境运行。
信创环境适配
适配统信 UOS、银河麒麟与鲲鹏、飞腾等国产 CPU 平台，可与国产数据库、中间件同机部署。
统一治理与灰度
调用量、耗时、置信度分布可监控；新模型按应用灰度发布，异常可一键回滚到上一版本。
Business Value
把「每个系统都要做一遍」
把「每个系统都要做一遍」
变成「一次做好，反复调用」
识别能力沉淀成组件之后，成本曲线就变了：新增系统的边际成本接近零，模型升级一次全业务受益，识别口径也不再各说各话。
1套
统一 API，全业务复用
70%
重复集成成本下降
0.2s
单页识别响应
0次
数据外传
