图片解析

将图片中的文字和视觉内容转换为文档记录，供信息提取、文本处理和知识库索引使用。

票据截图、产品图片和扫描图片可以先经过本节点，再交给下游处理。图片描述生成的是文字；需要对图片本身建立向量索引时，使用图片嵌入。

配置图片解析

从上游读取 MOI 卷绑定图片来源 sources。来源中的文件引用必须指向实际图片。

配置

说明

图片处理方式

ocr 提取图中文字；caption 生成图片描述。默认同时启用两项

图片描述输出语言

控制描述文字的语言，配置默认值为 zh

VLM OCR 模型

选择用于 OCR 和图片描述的视觉语言模型

只需要识别票据文字时，可选择 OCR；需要描述画面内容时，可选择图片描述。两项同时启用时，输出会包含相应的文字识别和图片描述内容。

使用输出

documents 是主要输出，其中保留图片来源元数据，文档类型为 image。需要纯文本时使用 text；文本为空时不返回该字段。

将完整 documents 传给信息提取或索引节点，保留后续追溯需要的来源信息。

示例：从票据图片提取字段

流程示意：读取 MOI 卷 → 图片解析 → 信息提取。

图片解析选择 OCR，将其 documents 绑定到信息提取节点，并在提取 Schema 中定义票据号码、日期和金额。图片解析负责提供文字证据，结构化字段由信息提取节点生成。

继续阅读

最后更新于