读取API作为S3事务而不是S2

Question

我正在使用进行OCR处理，我注意到在我的账单中，它们被作为S3事务而不是S2来收费。

​

我使用的是.NET SDK，我使用的API就是这个。https://learn.microsoft.com/en-us/dotnet/api/microsoft.azure.cognitiveservices.vision.computervision.computervisionclientextensions.readasync?view=azure-dotnet

我还确认了SDK调用的实际REST是以下POST /vision/v3.2/read/analyze https://centraluseuap.dev.cognitive.microsoft.com/docs/services/computer-vision-v3-2/operations/5d986960601faab4bf452005

根据文档，那应该是OCR，对吗？https://learn.microsoft.com/en-us/azure/cognitive-services/computer-vision/vision-api-how-to-topics/call-read-api

我不明白为什么我的电话被作为S3而不是S2收费。这对我来说很重要，因为S3比S2贵50%。使用定价计算器，1000个S2事务是$1，而1000个S3事务是$1.5。https://azure.microsoft.com/en-us/pricing/calculator/?service=cognitive-services

OCR和“描述和识别文本”有什么区别？光学字符识别(，OCR )根据定义必须识别文本。我是在没有任何可选参数的情况下调用Read，因此我没有要求“描述”，因此调用应该是S2特性，而不是我认为的S3特性。

​

我已经在Microsoft &A上发布了这个问题，但我认为这样可能会获得更多的流量，从而帮助我更快地得到答案。https://learn.microsoft.com/en-us/answers/questions/689767/computer-vision-api-charged-as-s3-transaction-inst.html

Answer 1

为了帮助您理解，您需要了解这些服务的历史。计算机视觉API (以及所有使用这些API的“调用”SDK，无论是C#/.Net、Java、Python等)频繁移动，有时很难理解哪个SDK调用了哪个版本的API。

API操作历史

关于光学字符读取操作，有几种操作：

计算机视觉1.0

见定义这里包含：

• OCR操作，一种识别打印文本的同步操作。
• Recognize Handwritten Text操作，一种用于手写文本的异步操作(使用“获取手写文本操作结果”操作来收集完成后的结果)

计算机视觉2.0

参见定义这里。OCR仍然存在，但是“识别手写文本”被更改了。因此，有：

• OCR操作，一种识别打印文本的同步操作。
• Recognize Text操作，异步(+获取识别文本操作结果以收集结果)，接受打印文本或手写文本(请参阅mode输入参数)
• Batch Read File操作，异步(+“获取读取操作结果”来收集结果)，这也是处理PDF文件，而另一个只接受图像。它的本意是“用于大量文本的文件”。

计算机视觉2.1在操作上是相似的。

计算机视觉3.0

参见定义这里。主要变化：Recognize Text和Batch Read File“统一”为Read操作，并对模型进行了改进。例如，不再需要指定手写/打印(参见链接)。

​

​

The Read API is optimized for text-heavy images and multi-page, mixed language, and mixed type (print – seven languages and handwritten – English only) documents

因此，有：

• OCR操作，一种识别打印文本的同步操作。
• Read操作，异步(+获取读取结果以收集结果)，接受打印或手写文本、图像和PDF输入。

计算机视觉v3.1-preview.1，v3.1-preview.2，v3.1，v3.2-preview.1，v3.2-preview.2，v3.2-preview.3

SDK

所有实现Read方法的SDK的最新版本都在调用这个3.x。操作。例如，请参见.Net SDK 这里的变更量。

SDK的v7.0.x“支持v3.2认知服务计算机视觉API端点。

​

结论

正常情况下，您是为S3为Read计费的。但是计算器是误导的，因为“识别文本”一词应该改为“阅读”。

如果您真的想使用OCR操作，请使用SDK的RecognizePrintedTextAsync 方法，它就是使用它的。

OCR是一种旧型号，仅用于印刷文本。读操作是最新的型号。我还可以确认(基于我所做的几个测试)，性能低于Read操作。如果您想要快速测试，您可以在本网站上使用您的密钥:它是由另一个Microsoft创建的开源门户，我也在这里做了贡献。您将能够同时看到OCR和读取操作的结果。它目前正在使用6.0.0SDK版本的计算机视觉(参见来源)。

样本: OCR结果：

宣读结果：

​