OCR 文字识别，上传图片后识别其中的文字，识别结果可以修订、复制。目前接入的是：

• 阿里云百炼：Qwen-OCR
• 硅基流动：DeepSeek-OCR
• 百度智能云：通用文字识别（高精度版）
• 腾讯云：通用文字识别（高精度版）
• 火山引擎：通用文字识别

整个功能，涉及到 3 个表：

• 【配置】ai_api_key：API 密钥表
• 【配置】ai_model：模型表
• 【识别】ai_ocr：文字识别表

补充说明：

ai_api_key、ai_model 已经在 《功能开启》 讲解，就不重复赘述。

1. 前置准备

1.1 配置 API 密钥

在 [AI 大模型 -> 控制台 -> API 密钥] 菜单，新增对应平台的密钥：

平台	所属平台	密钥
阿里云百炼	阿里巴巴（ALIBABA）	阿里云百炼的 API Key，可以与通义千问对话共用
硅基流动	硅基流动（SILICONFLOW）	硅基流动的 API Key
百度智能云	百度（BAIDU）	bce-v3/ 开头的 API Key，或旧版的 APIKey|SecretKey
腾讯云	腾讯（TENCENT）	SecretId|SecretKey
火山引擎	字节跳动（BYTEDANCE）	AccessKeyId|SecretAccessKey，不是火山方舟的 API Key

同一平台的对话、文字识别使用不同的密钥时，为该平台新建多条密钥，模型配置时选择对应的那一条即可。

1.2 配置文字识别模型

在 [AI 大模型 -> 控制台 -> 模型配置] 菜单，新增文字识别模型：

• 模型类型：选择「文字识别」，对应 AiModelTypeEnum 的 OCR（type 为 8）
• 所属平台：阿里巴巴、硅基流动、百度、腾讯、字节跳动，其它平台不支持
• API 秘钥：选择同一平台的密钥。密钥的平台与模型的平台不一致时，识别会报错
• 模型标识：见下表

平台	模型标识	图片格式	图片大小
阿里云百炼	qwen-vl-ocr 等 Qwen-OCR 模型	jpg、png、bmp、tiff、webp、heic	base64 编码后不超过 10MB
硅基流动	deepseek-ai/DeepSeek-OCR	jpg、png、webp、bmp	base64 编码后不超过 10MB
百度智能云	accurate_basic	jpg、png、bmp	base64 编码后不超过 10MB
腾讯云	GeneralAccurateOCR	jpg、png、bmp	base64 编码后不超过 10MB
火山引擎	OCRNormal	jpg、png、bmp	base64 编码后不超过 8MB

2. 文字识别

前端对应 [AI 大模型 -> OCR 文字识别] 菜单，对应 yudao-ui-admin-vue3 项目的 @/views/ai/ocr/index 目录，提供给普通用户使用。

页面左侧是输入区（识别服务、图片、「开始识别」按钮），右侧是识别结果，两者撑满页面高度。

2.1 识别图片

① 选择「识别服务」：只列出模型、API 密钥都已启用，且平台支持文字识别的模型。

② 选择图片：在左侧图片区点击选择、拖拽图片，或者直接 Ctrl / ⌘ + V 粘贴截图。图片先通过项目通用的文件上传，保存到文件服务，提交时只传文件地址（fileUrl）。

③ 点击左侧底部的「开始识别」：后端按地址下载图片（私有存储会使用预签名地址），同步调用识别服务。识别成功、失败，都会新增一条识别记录。

2.2 修订与复制

识别完成后，左侧图片区可以放大查看原图；右侧展示识别结果，第一行是识别服务、耗时，第二行是操作按钮：

• 修订：直接编辑识别结果，点击「保存修订」后记录为修订文本，原文保留；「恢复原文」「撤销修改」只改编辑区。图片中没有识别到文字时，也可以手动输入
• 复制、下载 TXT：复制、下载当前的识别结果
• 重新识别：会新增一条记录，不覆盖已保存的修订

2.3 识别记录

点击左侧标题旁的「识别记录」，查看自己的识别记录，可以重新打开、删除。删除为逻辑删除，图片文件保留。

它的后端 HTTP 接口，由 yudao-module-ai 模块的 ocr 包的 AiOcrController 实现：

• GET /ai/ocr/model-list：获得可用的文字识别模型列表，不返回密钥
• POST /ai/ocr/recognize：识别图片中的文字
• GET /ai/ocr/my-page、GET /ai/ocr/get-my：获得【我的】识别记录分页、详情
• PUT /ai/ocr/update-my：保存【我的】识别修订，只能修订识别成功的记录
• DELETE /ai/ocr/delete-my：删除【我的】识别记录

这些接口只操作当前登录用户自己的识别记录。

3. OCR 管理

前端对应 [AI 大模型 -> 控制台 -> OCR 管理] 菜单，对应 yudao-ui-admin-vue3 项目的 @/views/ai/ocr/manager 目录，提供给管理员使用，查看所有用户的识别记录：

• 查询：按用户、平台、状态、文件名（模糊匹配）、创建时间筛选
• 详情：查看图片、识别原文、修订文本、识别服务、耗时、失败原因等。管理端只查看，不提供「重新识别」，不会重新调用识别服务
• 删除：逻辑删除，图片文件保留

它的后端 HTTP 接口，同样由 AiOcrController 实现：

• GET /ai/ocr/page：获得识别记录分页，对应权限 ai:ocr:query
• GET /ai/ocr/get：获得识别记录详情，对应权限 ai:ocr:query；不存在时返回空
• DELETE /ai/ocr/delete：删除识别记录，对应权限 ai:ocr:delete

4. 文字识别表

省略 creator/create_time/updater/update_time/deleted/tenant_id 等通用字段

CREATE TABLE `ai_ocr` (
  `id` bigint NOT NULL AUTO_INCREMENT COMMENT '编号',
  `user_id` bigint NOT NULL COMMENT '用户编号',

  `model_id` bigint NOT NULL COMMENT '模型编号',
  `model_name` varchar(64) COLLATE utf8mb4_unicode_ci NOT NULL DEFAULT '' COMMENT '模型名字',
  `platform` varchar(32) COLLATE utf8mb4_unicode_ci NOT NULL COMMENT '平台',
  `model` varchar(255) COLLATE utf8mb4_unicode_ci NOT NULL DEFAULT '' COMMENT '模型标识',

  `file_name` varchar(255) COLLATE utf8mb4_unicode_ci NOT NULL DEFAULT '' COMMENT '图片文件名',
  `image_url` varchar(1024) COLLATE utf8mb4_unicode_ci NOT NULL COMMENT '图片地址',

  `status` tinyint NOT NULL COMMENT '识别状态：20 成功，30 失败',
  `original_text` mediumtext COLLATE utf8mb4_unicode_ci COMMENT '识别出的原文',
  `edited_text` mediumtext COLLATE utf8mb4_unicode_ci COMMENT '修订后的文本：NULL 未修订，空字符串已清空',
  `error_message` varchar(1024) COLLATE utf8mb4_unicode_ci DEFAULT NULL COMMENT '失败原因',
  `duration` int DEFAULT NULL COMMENT '识别耗时（毫秒）',
  PRIMARY KEY (`id`) USING BTREE,
  KEY `idx_user_id` (`user_id`) USING BTREE
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci COMMENT='AI 文字识别表';

① user_id 字段：对应 system_users 表的 id 字段，表示哪个用户的识别记录。

② model_id、model_name、platform、model 字段：识别时使用的模型，记录当时的快照，之后修改模型配置不影响历史记录。

③ file_name、image_url 字段：图片的文件名、文件服务中的地址。

④ status 字段：识别状态，对应 AiOcrStatusEnum 枚举：20 识别成功、30 识别失败。识别是同步的，识别结束后才写入记录，所以没有「识别中」。

⑤ original_text 字段：识别出的原文。edited_text 字段：用户保存的修订文本，为 NULL 表示未修订，空字符串表示已清空，最多 100000 个字符。

⑥ error_message 字段：失败原因，不包含密钥等敏感信息。duration 字段：识别耗时，单位毫秒。

最最最关键的代码！！！大家可以重点看看！！！

AiOcrServiceImpl 的 #recognizeOcr(...) 方法：下载图片、校验模型后，调用 OcrModel 同步识别，最后新增一条识别记录。

各平台的调用，由 AiModelFactoryImpl 的 #getOrCreateOcrModel(...) 方法创建：TongYiOcrModel、SiliconFlowOcrModel、BaiduOcrModel、TencentOcrModel、VolcEngineOcrModel。