略過導覽

Computer Vision

從影像擷取豐富資訊,進而分類及處理視覺化資料,並對影像進行機器輔助審核,以協助籌備您的服務。

分析影像

這項功能會傳回在影像中找到的視覺化內容資訊。使用標記、特定領域模型及四種語言描述,從容地識別內容並將其加上標籤。套用成人/猥褻設定,以協助您偵測潛在成人內容。識別圖片中的影像類型及色彩配置。

觀看影片

功能名稱:
說明 { "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 } ] }
標籤 [ { "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 } ]
影像格式 "Jpeg"
影像尺寸 462 x 600
美工圖案類型 0
線條繪圖類型 0
黑與白 false
成人內容 false
成人分數 0.0147124995
辛辣 false
辛辣分數 0.0162802152
類別 [ { "name": "trans_trainstation", "score": 0.98828125 } ]
臉部 []
主要色彩背景
"Black"
主要色彩前景
"Black"
輔色
#484C83

想要建置這個嗎?

讀取影像中的文字

使用光學字元辨識 (OCR) 來偵測影像中的文字,然後將辨識出的字詞擷取到電腦可讀取的字元資料流中。分析影像,進而偵測內嵌的文字、產生字元資料流並啟用搜尋。替文字照相,省下複製文字所需的時間及精力。

開始使用正式運作的 OCR 服務,並搶先探索下面的 OCR 引擎全新預覽 (利用「辨識文字」API 作業),以取得更佳的英文文字辨識結果。

觀看影片

  1. 預覽
  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!"
          }
        ]
      }
    ]
  }
}

想要建置這個嗎?

預覽:讀取影像中的手寫文字

偵測筆記、信件、文章、白板、表單及其他來源的手寫文字並加以擷取。替手寫的筆記照相而不是加以謄寫,以減少紙張成堆的情況和提升生產力,並透過實作搜尋,以輕鬆地尋找數位筆記。手寫 OCR 可在不同的介面及背景中運作,例如技術白皮書、黃色自黏便箋及白板。

附註:這項技術目前為預覽狀態,且只適用於英文文字。

觀看影片

  1. 預覽
  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"
          }
        ]
      }
    ]
  }
}

想要建置這個嗎?

辨識名人和地標

辨識超過 200,000 名來自商業界、政界、體壇及娛樂圈的名人,以及世界各地 9,000 個自然與人工地標。

觀看影片

{
  "categories": [
    {
      "name": "people_",
      "score": 0.86328125,
      "detail": {
        "celebrities": [
          {
            "name": "Satya Nadella",
            "faceRectangle": {
              "left": 240,
              "top": 294,
              "width": 135,
              "height": 135
            },
            "confidence": 0.99999833106994629
          }
        ],
        "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": "52fc3a53-b6ec-42bf-ad43-be868e5e4e3b",
  "metadata": {
    "width": 600,
    "height": 900,
    "format": "Jpeg"
  },
  "faces": [
    {
      "age": 49,
      "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
  }
}

想要建置這個嗎?

近乎即時分析影片

近乎即時分析影片:從裝置擷取視訊框架,然後將其傳送至您所選的 API 呼叫,即可對您的視訊檔案使用任何一項電腦視覺 API。更快從影片取得結果。

使用 GitHub 上的範例,開始使用並建置您專屬的應用程式。

深入了解

觀看影片

想要建置這個嗎?

產生縮圖

依據任何影像,產生高品質且具儲存體效益的縮圖,並修改影像以最符合您的大小、圖形和樣式需求。套用智慧裁剪,產生出外觀比例與原始影像不同的縮圖,同時保留所關注的區域。

觀看影片

想要建置這個嗎?

探索認知服務 API

Computer Vision

從影像擷取可操作的資訊

臉部

偵測、識別、分析、組織和標記相片中的臉孔

影片索引器 預覽

深入探索影片

內容仲裁

自動審核影像、文字及影片

自訂視覺 預覽

輕鬆自訂先進且適合您獨特使用案例的電腦視覺模型

文字分析

輕鬆解讀意見與話題,從而了解使用者的需求

Translator Text

使用簡單的 REST API 呼叫,輕鬆進行機器翻譯

Bing 拼字檢查

偵測並校正您應用程式中的拼字錯誤

內容仲裁

自動審核影像、文字及影片

語言理解

教導您的應用程式理解使用者發出的命令

Bing 語音

雙向轉換語音與文字,從而了解使用者的想法

說話者辨識 預覽

使用語音來辨識及驗證各個說話者

Translator Speech

使用簡單的 REST API 呼叫,輕鬆地進行即時語音翻譯

客製化的語音 預覽

克服像是語音模式、背景雜音以及詞彙等語音辨識的阻礙

語音服務 預覽

語音轉換文字、文字轉換語音和語音翻譯的統一語音服務

製作問與答的人員

將資訊整理成易於導覽的交談式回答

準備好大幅提升應用程式的效能了嗎?