跳转到内容
随言

云端 OCR：注册与配置

OCR 识别的是截图和图片里的文字，语音转文字请看云端语音识别配置。两类教程的服务开通和上传授权各自独立；同一家公司的凭据可以共用。

目前应用接入 Google Cloud Vision、Microsoft Azure AI Vision、Mistral OCR、腾讯云 OCR、百度 OCR。系统 Apple Vision 和可下载的 PP-OCR 在本机运行，不需要云端密钥。阿里云 OCR、OpenAI 等视觉服务目前没有接入本应用。

以下先提供注册地址与文字步骤，后续补充截图。步骤参考官方文档，尚未完成逐服务商真实账号验收；控制台入口和账号要求可能变化，请先查看计费与额度。

Google Cloud Vision 配置

Section titled “Google Cloud Vision 配置”

  1. 打开 Google Cloud 注册或登录，在控制台创建或选择项目，按 Vision 的要求关联结算账号。
  2. 为该项目启用 Cloud Vision API。
  3. 进入 API 和服务 → 凭据，创建 API 密钥，将 API 限制设为 Cloud Vision API。应用限制要允许这台 Mac 发出请求；网页来源限制不适合本桌面应用。
  4. 在随言的 OCR 设置中配置 Google Cloud Vision，将密钥填入 API Key。这里不接受服务账号 JSON 文件，也不是 Gemini / AI Studio 密钥。
  5. 阅读图片上传授权，保存，再选为 OCR 常用引擎。

官方开通与结算说明 · API 密钥管理说明

Microsoft Azure AI Vision 配置

Section titled “Microsoft Azure AI Vision 配置”

  1. 登录 Azure 门户，创建一个 Azure AI Vision（计算机视觉）资源。创建页面可直接打开。
  2. 打开资源的 密钥和终结点 页面，复制一个密钥，并记下 区域，例如 eastus。
  3. 在随言的 OCR 设置中选择 Microsoft Azure，把密钥填入 API Key，把区域填入区域框。门户里的资源地址也可以，但必须是 Microsoft Azure 域名下的 https 地址。
  4. 确认图片上传授权，保存并选择 Azure。

结果会带有每行文字的位置，因此可以在截图上选中文字。只为语音创建的资源读不了图片，这里要用 AI Vision 资源。官方 Read 文档

Mistral OCR 配置

Section titled “Mistral OCR 配置”

  1. 在 Mistral 注册。Mistral OCR 是付费 API，请先在控制台查看价格。
  2. 打开 API 密钥，创建一个密钥。
  3. 在随言的 OCR 设置中选择 Mistral OCR，把密钥填入 API Key。“我的 AI 模型”里的 Mistral 也使用这个密钥，只需填写一次。
  4. 确认图片上传授权，保存并选择 Mistral。结果是 Markdown，页面中的图片占位会被去掉。

官方 OCR 文档

腾讯云 OCR

Section titled “腾讯云 OCR”

  1. 在腾讯云中国站注册或登录。腾讯云也有国际站，但下面步骤对应中国控制台，不能视为国际账号在本应用中已验证可用。
  2. 打开文字识别控制台，阅读服务条款并开通 OCR。开通语音识别不等于开通 OCR。
  3. 在访问管理 → API 密钥管理创建有 OCR 权限的密钥，在创建时保存 SecretId / SecretKey。
  4. 填入随言 OCR 的 Secret ID / Secret Key，选择账号支持的 OCR 地域；应用默认 ap-guangzhou。OCR 不需要语音配置中的账号 AppID。
  5. 阅读图片上传授权，保存并选择该引擎。如果开启高精度，请确认账号可以调用对应的 OCR 接口。

官方新手指引 · 国际站英文文档

百度 OCR

Section titled “百度 OCR”

  1. 通过百度智能云账号入口注册或登录，按服务商要求完成账号验证。
  2. 打开文字识别控制台，开通通用文字识别并创建 OCR 应用。
  3. 将该应用的 API Key / Secret Key 填入随言 OCR 同名字段。不要填通用云 AccessKey，也不要假定语音应用已经有 OCR 权限。
  4. 阅读图片上传授权，保存并选择百度。如果开启高精度，请确认对应接口已经开通且有可用额度。

官方应用创建与密钥说明

测试与数据去向

Section titled “测试与数据去向”

OCR 的 测试连接 会发送应用生成的 OCR TEST 123 测试图片，不是你的桌面截图。它仍会联系当前服务商，需要图片上传授权，可能消耗服务商额度。语音配置的连接检查不同，不发送录音。

保存后可用不含隐私的截图试识别。云端 OCR 在你同意后，将选中的图片发送给当前服务商，不发送音频。同一家公司的密钥只需填写一次，语音与文字识别之间共用（腾讯云、百度、Google、Azure）；但语音和 OCR 的上传授权仍分别设置。本地回退另行设置，不代表允许向其他云服务上传。

不要把密钥放进反馈、截图或公开文档。国际英文用户可使用英文控制台的 Google Cloud Vision、Microsoft Azure AI Vision 或 Mistral OCR；选择本机 Apple Vision 或 PP-OCR 则无需云端注册。