2023年12月5日更新后Google Vision API OCR返回空白文本求助

排查与临时适配 #

• 确认图像文档的格式、分辨率、对比度是否符合新模型要求：新模型对低分辨率、高模糊、极端明暗的图像敏感度更高，可尝试将图像调整至300dpi以上，增强文本区域对比度后再测试。
• 调用API时显式指定DOCUMENT_TEXT_DETECTION特性，并添加image_context参数设置语言提示，示例请求体：

  {
    "requests": [
      {
        "image": {"source": {"imageUri": "your-image-uri"}},
        "features": [{"type": "DOCUMENT_TEXT_DETECTION"}],
        "imageContext": {"languageHints": ["zh-CN", "en"]}
      }
    ]
  }
  

替代模型与方案 #

• 尝试使用TEXT_DETECTION特性替代：该特性针对通用场景优化，部分文档类图像可能比DOCUMENT_TEXT_DETECTION新模型表现更稳定。
• 切换到Google Cloud Document AI：这是专门针对文档OCR的服务，支持结构化文档提取，对复杂文档的兼容性优于Vision API的通用模型，可直接迁移现有文档OCR场景到该服务。
• 训练自定义OCR模型：如果你的文档有特定格式（如票据、自定义表单），可使用Vision API的AutoML Vision训练专属模型，适配特定文档类型，避免通用模型的兼容性问题。

官方支持渠道 #

• 向Google Cloud提交支持工单：提供出现问题的图像样本、API调用日志（含请求参数），官方会针对特定图像场景排查新模型的识别漏洞，可能推送修复补丁。

内容的提问来源于stack exchange，提问作者user23719005