腾讯云对象存储图文点读

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/capiconst 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/460/63227cos.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/436/13318cos.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。
对象存储官网1折活动，限时活动，即将结束，速速收藏
同尘科技为腾讯云授权服务中心。
购买腾讯云产品享受折上折，更有现金返利。同意关联立享优惠