API تبدیل عکس به متن (Image Captioning & OCR)

API تبدیل عکس به متن که توسط تاک بات ارائه می‌شود، یک راهکار قدرتمند بر پایه هوش مصنوعی برای پردازش تصاویر است. این سرویس شامل دو قابلیت اصلی می‌باشد:

این API می‌تواند در اپلیکیشن‌ها و وب‌سایت‌ها برای دستیارهای دیجیتال، پردازش اسناد، موتورهای جستجو، سامانه‌های هوشمند و بسیاری از کاربردهای دیگر به کار گرفته شود.

نحوه استفاده

ارسال درخواست

برای استفاده از این API، باید یک درخواست POST به آدرس زیر ارسال کنید:

https://api.talkbot.ir/v1/image/convert/REQ

هدرها

در هدرهای درخواست، باید یک توکن بیرر (Bearer token) به عنوان اعتبارنامه ارسال کنید:


Authorization: Bearer YOUR_API_KEY

پارامترهای درخواست

نمونه بدنه درخواست با image_url:


{
    "image_url": "https://example.com/sample.jpg",
    "mode": "ocr"
}

نمونه بدنه درخواست با image_base64:


{
    "image_base64": "iVBORw0KGgoAAAANSUhEUgAA...",
    "mode": "ocr"
}

نمونه بدنه درخواست با image_base64 به‌فرمت Data URL:


{
    "image_base64": "data:image/png;base64,iVBORw0KGgoAAAANSUhEUgAA...",
    "mode": "caption",
    "lang": "persian"
}

خروجی

در پاسخ به درخواست، یک JSON با ساختار زیر ارائه می‌شود:


{
    "api_version": "1.0",
    "AI": "IMG2TEXT-TALKBOT",
    "processing_time_ms": 234.56,
    "result": {
        "mode": "ocr",
        "text": "این یک متن نمونه است."
    },
    "error": null
}

در حالت توصیف عکس (caption):


{
    "mode": "caption",
    "caption": "یک سگ در حال دویدن در پارک."
}

امکانات و مزایا

نمونه کد PHP


$url = 'https://api.talkbot.ir/v1/image/convert/REQ';

// برای ارسال با image_base64، فایل را به base64 تبدیل کنید:
$ImagePath = '/path/to/sample.jpg';
$Base64    = base64_encode(file_get_contents($ImagePath));

$data = array(
    'image_base64' => $Base64,           // رشته base64 (با یا بدون data URL)
    'mode'         => 'caption',
    'lang'         => 'persian'
);
$headers = array(
    'Authorization: Bearer YOUR_API_KEY',
    'Content-Type: application/json'
);

$curl = curl_init();
curl_setopt($curl, CURLOPT_URL, $url);
curl_setopt($curl, CURLOPT_POST, true);
curl_setopt($curl, CURLOPT_POSTFIELDS, json_encode($data));
curl_setopt($curl, CURLOPT_HTTPHEADER, $headers);
curl_setopt($curl, CURLOPT_RETURNTRANSFER, true);

echo $response = curl_exec($curl);

curl_close($curl);

نمونه کد پایتون


import requests, json, base64

url = 'https://api.talkbot.ir/v1/image/convert/REQ'
headers = {
    'Authorization': 'Bearer YOUR_API_KEY',
    'Content-Type': 'application/json'
}

# برای ارسال با image_base64، فایل را به base64 تبدیل کنید:
with open('/path/to/sample.jpg', 'rb') as f:
    b64 = base64.b64encode(f.read()).decode('ascii')

data = {
    'image_base64': b64,
    'mode': 'ocr'
}

response = requests.post(url, headers=headers, data=json.dumps(data))
result = response.json()

print(result)

در این نمونه‌ها، به جای 'YOUR_API_KEY' باید توکن اعتبارسنجی خود را قرار دهید.


مرتبط با این API:

API تشخیص موجودیت‌های نامدار (NER) API تشخیص محتوای غیراخلاقی و خشونت‌آمیز


هزینه هر بار فراخوانی:

نام مدل هزینه (TPU)
image-caption-api 700TPU
image-ocr-api 700TPU
نحوه محاسبه توکن

آزمایش رایگان:

برای آزمایش و تست رایگان این وب سرویس (API) ابتدا در سایت ثبتنام کنید، و سپس از طریق کنترل پنل کاربری، کلید اختصاصی خود را ایجاد کنید. پس از ایجاد کلید، آن را در نمونه کدهای بالا جایگزاری کرده و خروجی را مشاهده کنید. امکان استفاده از کلید آزمایشی فقط تا 15000 توکن میسر است.


سایر وب سرویس ها:

با خرید بسته یاقوتی و یا یکی از بسته های فرایاقوتی، شما علاوه بر وب سرویس یا API پیش رو، از وب سرویس های زیر نیز میتوانید استفاده کنید.

وب سرویس چت با هوش مصنوعی
وب سرویس میدجورنی
وب سرویس ساخت عکس Imagen
وب سرویس تبدیل متن به صوت
وب سرویس گفتار به متن
وب سرویس جستجوی گوگل
وب سرویس بازنویسی متن
وب سرویس Llama 3.1 70b/405b
وب سرویس ترجمه متن
وب سرویس ساخت عکس Flux جدید
وب سرویس تحلیل احساسات متن
وب سرویس تشخیص بی احترامی