帮助与文档 > 产品文档 > 自然语言翻译服务 > API文档 > 图片翻译
图片翻译

图片翻译 API 简介

概念解释

图片翻译:基于文字识别与文本翻译技术,结合组段和渲染技术,满足用户翻译图片文字的需求,提升输入效率。

说明

Hi,您好,欢迎使用有道智云图片翻译API接口服务。

如果您想快速体验服务,建议您前往图片翻译体验中心 或者在体验中心右下侧找到小程序二维码,扫描进行体验。

本文档主要针对需要集成HTTP API的技术开发工程师,详细描述图片翻译能力相关的技术内容。

如果您有与我们商务合作的需求,可以通过以下方式联系我们:

商务邮箱: AIcloud_Business@corp.youdao.com

如果您对文档内容有任何疑问,可以通过以下几种方式联系我们:

客服QQ:1906538062

智云翻译技术交流QQ 1群: 652880659

智云翻译技术交流QQ 2群: 669384425

智云翻译技术交流QQ 3群: 807539209

智云翻译技术交流QQ 4群: 936752411

联系邮箱: zhiyun@corp.youdao.com

温馨提示:

  • 本文档主要针对开发人员,接入测试前需要获取应用ID和应用密钥;如果您还没有,请按照新手指南获取。
  • 平台向每个账户赠送50元的体验金,供用户集成前测试所用,具体资费规则详见 图片翻译服务报价

接口说明

图片翻译API接口提供有道的图片文字识别翻译服务。您只需要通过调用图片翻译API,传入图片的Base64编码,指定源语言与目标语言,通过POST请求方式,就可以识别图片中的文字并进行翻译。

图片翻译 API HTTPS地址:

https://openapi.youdao.com/ocrtransapi

协议须知

调用方在集成文本翻译API时,请遵循以下规则。

规则 描述
传输方式 HTTPS
请求方式 POST
字符编码 统一使用UTF-8编码
请求格式 表单
响应格式 JSON

接口调用参数

调用API需要向接口发送以下字段来访问服务。

字段名 类型 含义 必填 备注
type text 文件上传类型 True 目前支持Base64,请置该字段值为1
from text 源语言 True 参考下方的 支持语言 (可设置为auto)
to text 目标语言 True 参考下方的 支持语言 (可设置为auto)
appKey text 应用ID True 可在应用管理 查看
salt text UUID True uuid,唯一通用识别码,例:1995882C5064805BC30A39829B779D7B
sign text 签名 True sha256(应用ID+input+salt+curtime+应用密钥)
signType text 签名类型 True v3
curtime text 当前UTC时间戳(秒) true TimeStamp
ext text 翻译结果音频格式,支持mp3 false mp3
q text 要识别的图片 true type为1时必填,图片的Base64编码
docType text 服务器响应类型,目前只支持json false json
render text 是否需要服务端返回渲染的图片,0:否;1:是,默认是0 false 0

签名生成方法如下: signType=v3; sign=sha256(应用ID+input+salt+curtime+应用密钥); 其中,input的计算方式为:input=q前10个字符 + q长度 + q后10个字符(当q长度大于20)或 input=q字符串(当q长度小于等于20);

注意:

  1. 请先将需要识别的图片转换为 Base64 编码。
  2. 在发送HTTP请求之前需要对各字段做 URL encode。
  3. 在生成签名拼接 应用ID+q+salt+应用密钥 字符串时,q 不需要做 URL encode,在生成签名之后,发送 HTTP 请求之前才需要对要发送的 q 做URL encode。
  4. 签名和请求有疑问,可以参考文档最后的常用语言demo。

输出结果

返回的结果是json格式,具体说明如下:

字段名 字段说明
orientation 图片所对应的方向
lanFrom ocr所识别出来认为的图片中的语言
textAngle 图片的倾斜角度
errorCode 错误码
lanTo 目标语言
resRegions 图片翻译的具体内容
-boundingBox 区域范围,四个值:
左上角的x值,左上角的y值,区域的的宽,区域的高
例如:134,0,1066,249
-linesCount 行数(用于前端排版)
-lineheight 行高
-context 该区域的原文
-linespace 行间距
-tranContent 翻译结果
-lines 当render=1即返回渲染图片,返回结果lines
-color 图片颜色(默认字段,暂不支持修改)
-words 字数组,当render=1即返回渲染图片
-text 行识别结果,当render=1即返回渲染图片
-word 识别的字的结果,当render=1即返回渲染图片
-textHeight 文字的高度,当render=1即返回渲染图片

注:resRegions是一个json列表,表示图中多个区域对应的翻译结果,每个json中有6个参数:boundingBox、linesCount、lineheight、context、linespace、tranContent。

示例

发送请求,调用接口:

{
    "type":"1",
    "q":"BASE64",    //要翻译的图片BASE 64编码
    "from":"en",
    "to":"zh-CHS",
    "appKey":"test",
    "salt":"1995882C5064805BC30A39829B779D7B",
    "sign":"f9976efca9dd9e280d4c6637230da5d94c2df6e520605db5a5a4d1d91ba45761",
    "signType":"v3",
    "docType":"json"
}

返回结果:

{
    "orientation": "Up",
    "lanFrom": "en",
    "textAngle": "0.0",
    "errorCode": "0",
    "lanTo": "zh-CHS",
    "resRegions": [{
        "boundingBox": "134,0,1066,249",
        "linesCount": 7,
        "lineheight": 28,
        "context": " There are two ways to cope with the problem in government. One (dis cussed in the preceding chapter) is to supply the service or product in a marketlike environment. Shift the burden of evaluation off the shoulders of professional evaluators and onto the shoulders of clients and customers, and let the latter vote with their feet. The \"client\" in these cases can be individual citizens or government agencies; what is important is that the client be able to choose from among rival suppliers.",
        "linespace": 7,
        "tranContent": "有两种方法可以解决政府的问题。一个(在前一章中讨论的)是在一个市场环境中提供服务或产品。将评估的负担从专业评估人员的肩膀上转移到客户和客户的肩上,让后者用脚投票。这些案件的“委托人”可以是公民个人或政府机构;重要的是客户可以从竞争对手那里选择。"
        }, {
        "boundingBox": "116,253,1100,354",
        "linesCount": 10,
        "lineheight": 28,
        "context": " But some public services cannot be supplied, or arc never going to be sup plied, by a market. We can imagine allowing parents to choose among schools but we cannot imagine letting them choose (at least for most purposes) among police departments or armies. In that case one should adopt the second way of evaluating a public service: carry out a demonstration project or conduct a field experiment. (I will use the two ideas interchangeably, though some schol ars distinguish between them.7) An experiment is a planned alteration in a state of affairs designed to measure the effect of the intervention. It involves asking the question, \"If I change X, what will happen to Y, having first made certain that everything else stays the same?\" It sounds easy, but it is not.",
        "linespace": 5,
        "tranContent": "但是一些公共服务不能提供,或者不能被市场所垄断。我们可以想象允许父母在学校里选择,但我们无法想象让他们在警察部门或军队中选择(至少是在大多数情况下)。在这种情况下,应该采用第二种评价公共服务的方法:进行示范项目或进行现场试验。(我将把这两种观点交替使用,尽管有些学校将两者区分开来。)实验是一种计划中的改变,旨在衡量干预的效果。它涉及到问这个问题,“如果我改变X, Y会发生什么,首先确定其他一切都保持不变?”这听起来很容易,但事实并非如此。"
        }, {
        "boundingBox": "101,609,1141,152",
        "linesCount": 4,
        "lineheight": 28,
        "context": " A good experiment (bad ones are worse than no experiment at all) requires that one do the following: First, identify a course of action to be test ed; call it the treatment. A \"treatment\" can be a police tactic, a school cur riculum, or a welfare program. Second, decide what impact the treatment is",
        "linespace": 5,
        "tranContent": "一个好的实验(坏的实验比没有实验更糟糕)需要一个人做以下的事情:首先,确定要测试的行动过程;叫它治疗。“治疗”可以是警察的策略,也可以是学校里的,或者是福利项目。其次,确定治疗的影响。"
    }]
}

支持语言

下表为各语言对应代码:

英文名 中文名 代码
Arabic 阿拉伯语 ar
German 德语 de
English 英语 en
Spanish 西班牙语 es
French 法语 fr
Hindi 印地语 hi
Indonesian 印度尼西亚语 id
Italian 意大利语 it
Japanese 日语 ja
Korean 韩语 ko
Dutch 荷兰语 nl
Portuguese 葡萄牙语 pt
Russian 俄语 ru
Thai 泰语 th
Vietnamese 越南语 vi
中文 zh-CHS
中文繁体 zh-CHT
Afrikaans 南非荷兰语 af
Azeerbaijani 阿塞拜疆语 az
Belarusian 白俄罗斯语 be
Bulgarian 保加利亚语 bg
Bangla 孟加拉语 bn
Bosnian (Latin) 波斯尼亚语 bs
Catalan 加泰隆语 ca
Cebuano 宿务语 ceb
Corsican 科西嘉语 co
Czech 捷克语 cs
Welsh 威尔士语 cy
Danish 丹麦语 da
Greek 希腊语 el
Esperanto 世界语 eo
Estonian 爱沙尼亚语 et
Basque 巴斯克语 eu
Persian 波斯语 fa
Finnish 芬兰语 fi
Frisian 弗里西语 fy
Irish 爱尔兰语 ga
Scots 苏格兰盖尔语 gd
Galician 加利西亚语 gl
Gujarati 古吉拉特语 gu
Hausa 豪萨语 ha
Hawaiian 夏威夷语 haw
Hebrew 希伯来语 he
Croatian 克罗地亚语 hr
Haitian 海地克里奥尔语 ht
Hungarian 匈牙利语 hu
Armenian 亚美尼亚语 hy
Igbo 伊博语 ig
Icelandic 冰岛语 is
Javanese 爪哇语 jw
Georgian 格鲁吉亚语 ka
Kazakh 哈萨克语 kk
Khmer 高棉语 km
Kannada 卡纳达语 kn
Kurdish 库尔德语 ku
Kyrgyz 柯尔克孜语 ky
Latin 拉丁语 la
Luxembourgish 卢森堡语 lb
Lao 老挝语 lo
Lithuanian 立陶宛语 lt
Latvian 拉脱维亚语 lv
Malagasy 马尔加什语 mg
Maori 毛利语 mi
Macedonian 马其顿语 mk
Malayalam 马拉雅拉姆语 ml
Mongolian 蒙古语 mn
Marathi 马拉地语 mr
Malay 马来语 ms
Maltese 马耳他语 mt
Myanmar (Burmese) 缅甸语 my
Nepali 尼泊尔语 ne
Norwegian 挪威语 no
Nyanja (Chichewa) 齐切瓦语 ny
Punjabi 旁遮普语 pa
Polish 波兰语 pl
Pashto 普什图语 ps
Romanian 罗马尼亚语 ro
Sindhi 信德语 sd
Sinhala (Sinhalese) 僧伽罗语 si
Slovak 斯洛伐克语 sk
Slovenian 斯洛文尼亚语 sl
Samoan 萨摩亚语 sm
Shona 修纳语 sn
Somali 索马里语 so
Albanian 阿尔巴尼亚语 sq
Serbian (Cyrillic) 塞尔维亚语(西里尔文) sr-Cyrl
Serbian (Latin) 塞尔维亚语(拉丁文) sr-Latn
Sesotho 塞索托语 st
Sundanese 巽他语 su
Swedish 瑞典语 sv
Kiswahili 斯瓦希里语 sw
Tamil 泰米尔语 ta
Telugu 泰卢固语 te
Tajik 塔吉克语 tg
Filipino 菲律宾语 tl
Turkish 土耳其语 tr
Ukrainian 乌克兰语 uk
Urdu 乌尔都语 ur
Uzbek 乌兹别克语 uz
Yiddish 意第绪语 yi
Yoruba 约鲁巴语 yo
Cantonese (Traditional) 粤语 yue
Zulu 南非祖鲁语 zu
自动识别 auto

**注意:**若列表语言出现不支持的问题,请参考产品定价列表语种互译的限制

服务配置

支持图片格式 图片大小 每小时最大查询次数 支持语言
jpg\png\bmp 2M 内(编码后) 3600 支持多种语言互译,具体语种参考文档支持的语言列表

错误代码列表

错误码 含义
101 缺少必填的参数,首先确保必填参数齐全,然后确认参数书写是否正确。
102 不支持的语言类型
103 翻译文本过长
104 不支持的API类型
105 不支持的签名类型
106 不支持的响应类型
107 不支持的传输加密类型
108 应用ID无效,注册账号,登录后台创建应用和实例并完成绑定,可获得应用ID和应用密钥等信息,
109 batchLog格式不正确
110 无相关服务的有效实例,应用没有绑定服务实例,可以新建服务实例,绑定服务实例。注:某些服务的翻译结果发音需要tts实例,需要在控制台创建语音合成实例绑定应用后方能使用。
111 开发者账号无效
112 请求服务无效
113 q不能为空
114 不支持的图片传输方式
201 解密失败,可能为DES,BASE64,URLDecode的错误
202 签名检验失败,如果确认应用ID和应用密钥的正确性,仍返回202,一般是编码问题。请确保翻译文本 q 为UTF-8编码.
203 访问IP地址不在可访问IP列表
205 请求的接口与应用的平台类型不一致,确保接入方式(Android SDK、IOS SDK、API)与创建的应用平台类型一致。如有疑问请参考入门指南.
206 因为时间戳无效导致签名校验失败
207 重放请求(接口salt+curtime来防重放(即一个请求不可以被请求2次),所以salt最好为UUID。)
301 辞典查询失败
302 翻译查询失败
303 服务端的其它异常
304 会话闲置太久超时
401 账户已经欠费停
402 offlinesdk不可用
411 访问频率受限,请稍后访问
412 长请求过于频繁,请稍后访问
1001 无效的OCR类型
1002 不支持的OCR image类型
1003 不支持的OCR Language类型
1004 识别图片过大
1201 图片base64解密失败
1301 OCR段落识别失败
1411 访问频率受限
1412 超过最大识别字节数
2003 不支持的语言识别Language类型
2004 合成字符过长
2005 不支持的音频文件类型
2006 不支持的发音类型
2201 解密失败
2301 服务的异常
2411 访问频率受限,请稍后访问
2412 超过最大请求字符数
3001 不支持的语音格式
3002 不支持的语音采样率
3003 不支持的语音声道
3004 不支持的语音上传类型
3005 不支持的语言类型
3006 不支持的识别类型
3007 识别音频文件过大
3008 识别音频时长过长
3009 不支持的音频文件类型
3010 不支持的发音类型
3201 解密失败
3301 语音识别失败
3302 语音翻译失败
3303 服务的异常
3411 访问频率受限,请稍后访问
3412 超过最大请求字符数
4001 不支持的语音识别格式
4002 不支持的语音识别采样率
4003 不支持的语音识别声道
4004 不支持的语音上传类型
4005 不支持的语言类型
4006 识别音频文件过大
4007 识别音频时长过长
4201 解密失败
4301 语音识别失败
4303 服务的异常
4411 访问频率受限,请稍后访问
4412 超过最大请求时长
5001 无效的OCR类型
5002 不支持的OCR image类型
5003 不支持的语言类型
5004 识别图片过大
5005 不支持的图片类型
5006 文件为空
5201 解密错误,图片base64解密失败
5301 OCR段落识别失败
5411 访问频率受限
5412 超过最大识别流量
9001 不支持的语音格式
9002 不支持的语音采样率
9003 不支持的语音声道
9004 不支持的语音上传类型
9005 不支持的语音识别 Language类型
9301 ASR识别失败
9303 服务器内部错误
9411 访问频率受限(超过最大调用次数)
9412 超过最大处理语音长度
10001 无效的OCR类型
10002 不支持的OCR image类型
10004 识别图片过大
10201 图片base64解密失败
10301 OCR段落识别失败
10411 访问频率受限
10412 超过最大识别流量
11001 不支持的语音识别格式
11002 不支持的语音识别采样率
11003 不支持的语音识别声道
11004 不支持的语音上传类型
11005 不支持的语言类型
11006 识别音频文件过大
11007 识别音频时长过长,最大支持30s
11201 解密失败
11301 语音识别失败
11303 服务的异常
11411 访问频率受限,请稍后访问
11412 超过最大请求时长
12001 图片尺寸过大
12002 图片base64解密失败
12003 引擎服务器返回错误
12004 图片为空
12005 不支持的识别图片类型
12006 图片无匹配结果
13001 不支持的角度类型
13002 不支持的文件类型
13003 表格识别图片过大
13004 文件为空
13301 表格识别失败
15001 需要图片
15002 图片过大(1M)
15003 服务调用失败
17001 需要图片
17002 图片过大(1M)
17003 识别类型未找到
17004 不支持的识别类型
17005 服务调用失败

常用语言 Demo

Java 示例

图片翻译 Java demo

Python3 示例

图片翻译 python3 demo

C#示例

图片翻译 C# demo

PHP1 示例

图片翻译 php demo

go 示例

图片翻译 go demo