Hoppa över navigering

Visuellt innehåll

Extrahera information från bilder för att kategorisera och bearbeta visuella data, utföra datorstödd moderering av bilder som hjälper dig att moderera dina tjänster.

Analysera en bild

Den här funktionen returnerar information om visuellt innehåll som hittas i en bild. Använd taggning, domänspecifika modeller och beskrivningar på fyra språk till att identifiera innehåll och kategorisera det med tillförsikt. Använd inställningarna för vuxet och vågat innehåll till att identifiera innehåll som kan vara olämpligt för barn. Identifiera bildtyper och färgscheman in bilder.

Se hur det fungerar

Funktionsnamn: Värde
Beskrivning { "tags": [ "train", "platform", "station", "building", "indoor", "subway", "track", "walking", "waiting", "pulling", "board", "people", "man", "luggage", "standing", "holding", "large", "woman", "yellow", "suitcase" ], "captions": [ { "text": "people waiting at a train station", "confidence": 0.833099365 } ] }
Taggar [ { "name": "train", "confidence": 0.9975446 }, { "name": "platform", "confidence": 0.995543063 }, { "name": "station", "confidence": 0.9798007 }, { "name": "indoor", "confidence": 0.927719653 }, { "name": "subway", "confidence": 0.838939846 }, { "name": "pulling", "confidence": 0.431715637 } ]
Bildformat "Jpeg"
Bilddimensioner 462 x 600
Clip art-typ 0
Linjeteckningstyp 0
Svart och vit false
Innehåll som är olämpligt för barn false
Poäng för vuxeninnehåll 0.0147124995
Vågat false
Poäng för vågat 0.0162802152
Kategorier [ { "name": "trans_trainstation", "score": 0.98828125 } ]
Ansikten []
Dominant färg för bakgrund
"Black"
Dominant färg för förgrund
"Black"
Accentfärg
#484C83

Vill du skapa det här?

Läs text i bilder

Identifiera text i en bild med optisk teckenigenkänning (OCR) och extrahera identifierade ord till en maskinläsningsbar teckenström. Analysera bilder för att identifiera inbäddad text, generera teckenströmmar och aktivera sökning. Spara tid och energi genom att ta foton av text istället för att skriva av den.

Kom igång med OCR-tjänsten som är allmänt tillgänglig. Nedan kan du få en förhandstitt av den nya OCR-motorn i förhandsversionen (genom API-åtgärden "Identifiera text") som har ännu bättre textigenkänning för engelska.

Se hur det fungerar

  1. Förhandsversion
  2. JSON

Sorry!

Have a

nice day !

Oops!

See you soon !

bye!

{
  "status": "Succeeded",
  "succeeded": true,
  "failed": false,
  "finished": true,
  "recognitionResult": {
    "lines": [
      {
        "boundingBox": [
          122,
          122,
          401,
          85,
          404,
          229,
          143,
          233
        ],
        "text": "Sorry!",
        "words": [
          {
            "boundingBox": [
              121,
              121,
              424,
              81,
              442,
              223,
              140,
              263
            ],
            "text": "Sorry!"
          }
        ]
      },
      {
        "boundingBox": [
          586,
          160,
          917,
          120,
          929,
          221,
          599,
          262
        ],
        "text": "Have a",
        "words": [
          {
            "boundingBox": [
              585,
              166,
              813,
              138,
              814,
              232,
              593,
              265
            ],
            "text": "Have"
          },
          {
            "boundingBox": [
              832,
              137,
              898,
              135,
              896,
              224,
              833,
              230
            ],
            "text": "a"
          }
        ]
      },
      {
        "boundingBox": [
          577,
          243,
          980,
          204,
          992,
          335,
          590,
          374
        ],
        "text": "nice day !",
        "words": [
          {
            "boundingBox": [
              575,
              265,
              757,
              237,
              765,
              342,
              583,
              353
            ],
            "text": "nice"
          },
          {
            "boundingBox": [
              774,
              234,
              934,
              211,
              941,
              339,
              782,
              341
            ],
            "text": "day"
          },
          {
            "boundingBox": [
              934,
              211,
              991,
              204,
              997,
              339,
              941,
              339
            ],
            "text": "!"
          }
        ]
      },
      {
        "boundingBox": [
          210,
          367,
          436,
          347,
          435,
          499,
          192,
          483
        ],
        "text": "Oops!",
        "words": [
          {
            "boundingBox": [
              192,
              368,
              452,
              345,
              466,
              495,
              205,
              519
            ],
            "text": "Oops!"
          }
        ]
      },
      {
        "boundingBox": [
          167,
          622,
          686,
          588,
          693,
          684,
          174,
          719
        ],
        "text": "See you soon !",
        "words": [
          {
            "boundingBox": [
              165,
              624,
              307,
              614,
              308,
              711,
              168,
              722
            ],
            "text": "See"
          },
          {
            "boundingBox": [
              300,
              614,
              442,
              606,
              441,
              702,
              302,
              712
            ],
            "text": "you"
          },
          {
            "boundingBox": [
              448,
              605,
              622,
              597,
              619,
              690,
              448,
              701
            ],
            "text": "soon"
          },
          {
            "boundingBox": [
              622,
              597,
              686,
              594,
              683,
              687,
              619,
              690
            ],
            "text": "!"
          }
        ]
      },
      {
        "boundingBox": [
          824,
          491,
          1010,
          482,
          1013,
          611,
          808,
          603
        ],
        "text": "bye!",
        "words": [
          {
            "boundingBox": [
              811,
              491,
              1034,
              480,
              1040,
              609,
              817,
              620
            ],
            "text": "bye!"
          }
        ]
      }
    ]
  }
}

Vill du skapa det här?

Förhandsversion: Läs handskriven text från bilder

Identifiera och extrahera handskriven text från anteckningar, brev, uppsatser, whiteboardtavlor, formulär och andra källor. Använd mindre papper och bli mer produktiv genom att ta foton av handskrivna anteckningar istället för att skriva av dem, och gör det enkelt att hitta dina digitala anteckningar genom att implementera sökfunktioner. OCR av handskriven text fungerar med olika ytor och bakgrunder, som vitt papper, gula anteckningslappar och whiteboardtavlor.

Obs! Den här tekniken är för tillfället tillgänglig som förhandsversion och endast för engelsk text.

Se hur det fungerar

  1. Förhandsversion
  2. JSON

Our greatest glory is not

in never failing ,

but in rising every

time we fall

{
  "status": "Succeeded",
  "succeeded": true,
  "failed": false,
  "finished": true,
  "recognitionResult": {
    "lines": [
      {
        "boundingBox": [
          67,
          204,
          668,
          210,
          667,
          272,
          66,
          267
        ],
        "text": "Our greatest glory is not",
        "words": [
          {
            "boundingBox": [
              47,
              206,
              161,
              205,
              157,
              274,
              43,
              275
            ],
            "text": "Our"
          },
          {
            "boundingBox": [
              179,
              205,
              350,
              204,
              346,
              273,
              175,
              274
            ],
            "text": "greatest"
          },
          {
            "boundingBox": [
              381,
              204,
              509,
              203,
              505,
              272,
              377,
              273
            ],
            "text": "glory"
          },
          {
            "boundingBox": [
              526,
              203,
              588,
              203,
              584,
              272,
              522,
              272
            ],
            "text": "is"
          },
          {
            "boundingBox": [
              588,
              203,
              680,
              202,
              676,
              271,
              584,
              272
            ],
            "text": "not"
          }
        ]
      },
      {
        "boundingBox": [
          540,
          289,
          900,
          302,
          897,
          374,
          538,
          360
        ],
        "text": "in never failing ,",
        "words": [
          {
            "boundingBox": [
              507,
              300,
              553,
              300,
              564,
              376,
              518,
              376
            ],
            "text": "in"
          },
          {
            "boundingBox": [
              579,
              300,
              693,
              300,
              704,
              376,
              590,
              376
            ],
            "text": "never"
          },
          {
            "boundingBox": [
              712,
              300,
              872,
              300,
              883,
              376,
              723,
              376
            ],
            "text": "failing"
          },
          {
            "boundingBox": [
              864,
              300,
              902,
              300,
              913,
              376,
              875,
              376
            ],
            "text": ","
          }
        ]
      },
      {
        "boundingBox": [
          139,
          416,
          572,
          433,
          570,
          491,
          136,
          474
        ],
        "text": "but in rising every",
        "words": [
          {
            "boundingBox": [
              125,
              417,
              213,
              418,
              200,
              491,
              112,
              490
            ],
            "text": "but"
          },
          {
            "boundingBox": [
              217,
              418,
              273,
              418,
              260,
              491,
              204,
              491
            ],
            "text": "in"
          },
          {
            "boundingBox": [
              297,
              418,
              433,
              419,
              420,
              492,
              284,
              491
            ],
            "text": "rising"
          },
          {
            "boundingBox": [
              461,
              419,
              589,
              420,
              576,
              492,
              448,
              492
            ],
            "text": "every"
          }
        ]
      },
      {
        "boundingBox": [
          622,
          413,
          967,
          410,
          968,
          470,
          623,
          472
        ],
        "text": "time we fall",
        "words": [
          {
            "boundingBox": [
              612,
              407,
              718,
              409,
              709,
              470,
              603,
              468
            ],
            "text": "time"
          },
          {
            "boundingBox": [
              753,
              409,
              825,
              410,
              815,
              471,
              743,
              470
            ],
            "text": "we"
          },
          {
            "boundingBox": [
              863,
              410,
              973,
              412,
              964,
              472,
              853,
              471
            ],
            "text": "fall"
          }
        ]
      }
    ]
  }
}

Vill du skapa det här?

Identifiera kändisar och landmärken

Identifiera fler än 200 000 kändisar från affärsvärlden, politiken, sportvärlden och underhållningsbranschen. Dessutom 9 000 naturliga och konstgjorda landmärken från hela världen.

Se hur det fungerar

{
  "categories": [
    {
      "name": "people_",
      "score": 0.86328125,
      "detail": {
        "celebrities": [
          {
            "name": "Satya Nadella",
            "faceRectangle": {
              "left": 240,
              "top": 294,
              "width": 135,
              "height": 135
            },
            "confidence": 0.99999558925628662
          }
        ],
        "landmarks": null
      }
    }
  ],
  "adult": null,
  "tags": [
    {
      "name": "person",
      "confidence": 0.99956613779067993
    },
    {
      "name": "suit",
      "confidence": 0.98934584856033325
    },
    {
      "name": "man",
      "confidence": 0.98844343423843384
    },
    {
      "name": "outdoor",
      "confidence": 0.860062301158905
    }
  ],
  "description": {
    "tags": [
      "person",
      "suit",
      "man",
      "necktie",
      "outdoor",
      "building",
      "clothing",
      "standing",
      "wearing",
      "business",
      "looking",
      "holding",
      "black",
      "front",
      "hand",
      "dressed",
      "phone",
      "field"
    ],
    "captions": [
      {
        "text": "Satya Nadella wearing a suit and tie",
        "confidence": 0.9903275009959599
      }
    ]
  },
  "requestId": "c7eb4ecc-614a-4986-856f-809e23b98ae2",
  "metadata": {
    "width": 600,
    "height": 900,
    "format": "Jpeg"
  },
  "faces": [
    {
      "age": 48,
      "gender": "Male",
      "faceRectangle": {
        "left": 240,
        "top": 294,
        "width": 135,
        "height": 135
      }
    }
  ],
  "color": {
    "dominantColorForeground": "Black",
    "dominantColorBackground": "Black",
    "dominantColors": [
      "Black",
      "Grey"
    ],
    "accentColor": "7B5E50",
    "isBWImg": false
  },
  "imageType": {
    "clipArtType": 0,
    "lineDrawingType": 0
  }
}

Vill du skapa det här?

Analysera video i nära realtid

Analysera video i nära realtid och använd något av API:erna för visuellt innehåll med dina videofiler genom att extrahera bildrutor i videon från enheten och sedan skicka bildrutorna till önskade API-anrop. Få resultat från dina videor snabbare.

Använd vårt exempel på GitHub för att komma igång och bygga din egen app.

Läs mer

Se hur det fungerar

Vill du skapa det här?

Skapa miniatyrbilder

Generera en lagringseffektiv miniatyr av hög kvalitet baserat på valfri bild, och ändra bilderna så att storlek, form och format passar dig. Använd smart beskärning och skapa miniatyrbilder där bildförhållandet skiljer sig från originalbilden men där ändå ROI (Region of Interest) bevaras.

Se hur det fungerar

Vill du skapa det här?

Utforska API:erna för Cognitive Services

Visuellt innehåll

Sammanfatta användbar information från bilder

Ansikte

Spåra, identifiera, analysera, organisera och tagga ansikten i foton

Video Indexer FÖRHANDSVERSION

Få tillgång till information i video

Content Moderator

Automatiserad bild-, text- och videomoderering

Custom Vision FÖRHANDSVERSION

Du kan enkelt anpassa egna avancerade modeller för visuellt innehåll som passar ditt unika användningsscenario

Textanalys

Utvärdera enkelt sentiment och ämnen och förstå vad användare vill ha

Translator för textöversättning

Utför enkelt maskinöversättning i realtid med ett enkelt REST API-anrop

Stavningskontroll i Bing

Hitta och korrigera stavfel direkt i din app

Content Moderator

Automatiserad bild-, text- och videomoderering

Språkförståelse

Lär apparna att förstå kommandon från dina användare

Bing-taligenkänning

Omvandla tal till text och tillbaka igen och förstå användaravsikten

Talarigenkänning FÖRHANDSVERSION

Använd tal till att identifiera och verifiera individuella talare

Translator för talöversättning

Utför talöversättning enkelt i realtid med ett enda REST API-anrop

Custom Speech FÖRHANDSVERSION

Komma över hinder för taligenkänning som samtalsstil, bakgrundsljus och vokabulär

Taltjänster FÖRHANDSVERSION

Unified Speech Services för tal-till-text, text-till-tal och talöversättning

QnA Maker

Omformulera information till konversationsanpassade, navigerbara svar

Är du redo att ge din app ett lyft?