对象存储图文点读-实践教程-文档中心-腾讯云

概述
在处理一些文本类信息时，例如图片中的英文，我们可以使用OCR识别技术来快速识别，并结合语音合成技术来朗读照片中的英文。本文将介绍如何使用 腾讯云数据万象（CI） 的OCR技术识别图片中的文本内容，并通过语音合成技术将文本转换成语音播放。
应用场景
语言学习
将语言教材和词典中的英文转化为语音播放，可以为学习者提供标准的发音示范，帮助他们更好地学习语音。这种技术适用于语音学习软件、外语学习应用等场景。
书籍阅读
借助图文点读技术，儿童绘本、漫画、地图导览等可迅速将图片中的内容转化为语音，从而提升信息获取的趣味性和互动性，让用户更便捷地阅读和获取信息。
准备工作
创建数据万象存储桶，详情请参见 存储桶操作 。
在存储桶详情 - 智能语音页面，开启智能语音功能。
﻿
﻿
﻿
﻿上传待处理的图片 到存储桶中。
操作步骤
步骤一 初始化 COS SDK 并配置相关信息
// 密钥请在访问管理控制台获取。https://console.cloud.tencent.com/cam/capi
const cos = new COS({
  SecretId: 'AKID*******',
  SecretKey: '**********',
});
﻿
// 存储桶配置请在cos控制台获取。https://console.cloud.tencent.com/cos/bucket
// 格式参考：Bucket: 'abc-1250000000', Region: 'ap-guangzhou'
const bucketConf = {
    Bucket: 'test-1250000000',
    Region: 'ap-guangzhou'
};
说明
注意：该初始化方式仅供联调测试使用，为了安全起见，请勿在生产环境直接暴露密钥。
生产环境请参考各语言 SDK 签名实现，详情请参见 SDK 签名实现。
步骤二 使用 OCR 技术识别图片内容
数据万象通用文字识别功能（OCR）基于行业前沿的深度学习技术，将图片上的文字内容，智能识别为可编辑的文本。通过子账号使用时，需要授予相关的权限，详情请参见 授权粒度详情 文档。对于存储在 test-1250000000 存储桶中的图片 test.png，OCR 识别如下：
// 使用 OCR 功能提取图片中的文字，接口可参考 https://cloud.tencent.com/document/product/460/63227
cos.request({
    ...bucketConf,
    Key: 'test.png',    // 待识别的图片
    Query: {
        'ci-process': 'OCR',  
    }
}, (ocrErr, ocrData) => {
    if (ocrErr) {
        console.log(JSON.stringify(ocrErr));
        return alert('识别图片失败');
    }
    const list = ocrData?.Response?.TextDetections?.map(text => text.DetectedText || "");
    const ocrResult = list?.join('\\n') || "";
    console.log(ocrResult);
})
说明
OCR计费规则参见 内容识别费用 - 通用文字识别。
识别效果如下：
﻿
﻿

﻿
﻿
步骤三 创建语音合成任务
数据万象语音合成技术通过先进的深度学习技术，将文本转换成自然流畅的语音。支持多种音色，并提供调节语速、语调、音量等功能。
如果识别的文本内容 ocrResult 长度不超过300字符，可以直接创建语音合成任务，同步获取合成的音频。
如果识别的文本内容 ocrResult 长度超过300字符，需要先将识别的内容上传到COS中，再创建语音合成任务。
通过子账号使用时，需要授予相关的权限，详情请参见 授权粒度详情 文档。
创建语音合成任务，参数详情参见 提交任务接口 。
﻿
// 上传ocrResult到cos存储桶，参考接口： https://cloud.tencent.com/document/product/436/7749
// 注意：为了避免上传出现跨域错误，需要设置跨域访问规则，简单调试可将来源Origin设置为*，参考 https://cloud.tencent.com/document/product/436/13318
cos.putObject({
    ...bucketConf,
    Key: key,    // 目标文件名
    Body: file,
}, (err, data) => {  
    if (err) {
        return console.log(JSON.stringify(OcrUploadErr));
    }
    const txtUrl = `https://${bucketConf.Bucket}.cos.${bucketConf.Region}.myqcloud.com/content.txt`;
﻿
    // 创建语音合成任务，参考接口：https://cloud.tencent.com/document/product/460/84797
    cos.request({
            ...bucketConf,
            Method: 'POST',
            Url:  `https://${bucketConf.Bucket}.ci.${bucketConf.Region}.myqcloud.com/jobs`,
            Key: '/jobs', /** 固定值，必须 */
            ContentType: 'application/xml', /** 固定值，必须 */
            Body: COS.util.json2xml({
                Request: {
                    Tag: 'Tts',     // 语音合成任务
                    Operation: {
                        TtsConfig: {
                            InputType: 'Url',       // 支持输入文本文件 Url 或 utf8-字符，utf8-字符长度不超过300，Url文件大小不超过10000个字符
                            Input: txtUrl        // 将步骤2中识别到的文本作为输入
                        },
                        TtsTpl: {
                            Mode: "Asyc",           // 支持同步和异步模式，如果文本内容长，建议选择异步模式
                            Codec: "mp3",           // 生成mp3音频，支持wav、mp3和pcm格式
                            VoiceType: "ruxue"      // 支持多种音色选择
                        },
                        Output: {
                            Bucket: bucketConf.Bucket,
                            Region: bucketConf.Region,
                            Object: 'result.mp3'      // 输出音频的地址
                        }
                    }
                }
            })            
        }, (err, data) => {
            if (err || !data?.Response?.JobsDetail?.JobId) {
                return console.log(JSON.stringify(err));
            }
﻿
            // 如果任务提交成功，记录当前的任务id
            const jobId = data?.Response?.JobsDetail?.JobId || "";
        })
﻿
})
说明
语音合成计费规则参见 智能语音费用 - 语音合成。
接口返回参数参考响应参数，JobsDetail 节点下为任务接口响应信息。其中 JobId 为关键信息，步骤四中查询语音合成任务结果时会用到。
步骤四 获取合成的音频
通过 JobId 查询任务执行结果，详情请参见 查询任务接口 。
可定时查询任务的状态，当返回的 State 为 Success 时代表音频合成了，音频地址为：https://${Operation.Output.Bucket}.cos.${Operation.Output.Region}.myqcloud.com/${Operation.Output.Object}。
let TaskInterval = null;
﻿
/**
* 轮询查询任务的执行情况，参考接口： https://cloud.tencent.com/document/product/460/84765
* 也可以通过回调的方式获取任务执行结果：https://cloud.tencent.com/document/product/460/84958
**/
function queryTask(jobId, callback) {
    TaskInterval && clearInterval(TaskInterval);
    TaskInterval = setInterval(() => {
        cos.request({
            ...bucketConf,
            Method: 'GET',
            Url: `https://${bucketConf.Bucket}.ci.${bucketConf.Region}.myqcloud.com/jobs/${jobId}`,
            Key: `/jobs/${jobId}`          
        }, (err, data) => {
            if(err) {
                console.log(JSON.stringify(err));
                return callback && callback(err);
            }
            if (data?.Response?.JobsDetail?.State === 'Success') {
                clearInterval(TaskInterval);
                callback && callback(data);
            }
        })
    }, 3000)
}
说明
推荐使用 API Explorer调试。
合成的音频效果如下：
﻿
费用相关
OCR识别费用
语音合成费用
对象存储相关费用
Demo体验
具体代码可参考 cos-demo，您也可使用腾讯云对象存储控制台，在 智能工具箱 栏目中体验语音合成实际效果。
图文点读

本页目录：

概述

应用场景

语言学习

书籍阅读

准备工作

操作步骤

步骤一初始化 COS SDK 并配置相关信息

步骤二使用 OCR 技术识别图片内容

步骤三创建语音合成任务

步骤四获取合成的音频

费用相关

Demo体验

图文点读

本页目录：

概述

应用场景

语言学习

书籍阅读

准备工作

操作步骤

步骤一 初始化 COS SDK 并配置相关信息

步骤二 使用 OCR 技术识别图片内容

步骤三 创建语音合成任务

步骤四 获取合成的音频

费用相关

Demo体验

步骤一初始化 COS SDK 并配置相关信息

步骤二使用 OCR 技术识别图片内容

步骤三创建语音合成任务

步骤四获取合成的音频
