提取图片中的结构化信息
读取图片文字,将你指定的字段整理成结构化结果。
/oo 通义千问: 使用 Qwen 读取此图片:[公开图片 URL]。将[字段名称]提取成结构化表格,并标出无法辨认的文字。
提供文档、图片、录音或文字,并说明需要提取的信息或生成的结果,让助手使用对应的 Qwen 模型处理。
将提示词复制到已安装 oo Skill 的 Agent,补充页面链接和原始笔记后执行。
读取图片文字,将你指定的字段整理成结构化结果。
/oo 通义千问: 使用 Qwen 读取此图片:[公开图片 URL]。将[字段名称]提取成结构化表格,并标出无法辨认的文字。
结合你提供的术语和背景,为指定读者翻译文字。
/oo 通义千问: 使用 Qwen 将以下文字翻译为[目标语言]:[文字]。使用这些术语对应关系:[原文和译文术语],保留原意,并适合此背景:[读者或领域]。
将可访问的音频或视频录制转为文字,附上句子时间信息便于核对。
/oo 通义千问: 使用 Qwen 转写此录制文件:[公开音频或视频 URL]。主要语言为[语言],等待完成后返回转写文字和句子时间信息。
读取提供的文档,整理需要核对的具体信息。
/oo 通义千问: 用通义千问查看项目文档 [公开文档 URL],提取决定、负责人和截止日期,标明原文未说明的信息。
在 Agent 中配置 oo CLI 和 oo Skill。
安装 OOMOL →使用北京地域的百炼 API Key 连接,或通过 OOMOL Marketplace 使用选定的 Qwen 任务。
连接 通义千问 →使用 /oo,说明要读取的页面、修改的内容和保存位置。
连接指南 →选择你的 Agent
此连接提供通义千问 Qwen 的 OCR、文档分析、翻译、图片生成、语音合成和转写任务模型,自有连接还支持自定义音色管理。
提取图片文字、分析文档,将音频或视频转写为带时间信息的文字。
按术语要求翻译文字,或翻译图片中的文字并获取结果图片。
生成或编辑图片、合成语音,并通过自有连接创建或列出自定义音色。
使用 Qwen3.5-OCR 从图片中提取文本和结构化信息。
qwen.extract_text 使用 Qwen-MT 翻译文本,可选术语、翻译记忆和领域指导。
qwen.translate_text 使用 Qwen Image 3.0 系列生成或编辑图片。
qwen.generate_image 使用 Qwen-Audio 3.0 TTS 生成语音。
qwen.generate_speech 使用 Qwen-Doc-Turbo 分析文档或文本。
qwen.analyze_document 从公网音频样本创建 Qwen-Audio 自定义音色。
qwen.create_voice_clone 根据文本描述创建 Qwen-Audio 自定义音色。
qwen.create_designed_voice 统一列出 Qwen-Audio 复刻和设计音色。
qwen.list_custom_voices 查询一个 Qwen-Audio 复刻或设计音色。
qwen.get_custom_voice 删除一个 Qwen-Audio 复刻或设计音色。
qwen.delete_custom_voice 提交 Qwen-Audio 3.0 异步音视频转写任务。
qwen.submit_speech_recognition 查询 Qwen-Audio 3.0 转写任务并获取规范化结果。
qwen.get_speech_recognition 提交异步千问图片翻译任务。
qwen.submit_image_translation 查询千问图片翻译任务状态与结果。
qwen.get_image_translation 没有匹配的工具。
部分工具通过 OOMOL 工具市场提供,可能产生用量费用。
可以。提供可访问的图片 URL,并说明要提取的字段或结构化格式。使用结果前,请对照原图核对模糊或缺失的文字。
可以。文字翻译支持术语对应关系、翻译记忆和领域要求;图片翻译也支持指定术语,以及保持不翻译的文字。
结果包含按音轨整理的识别文字和句子时间信息。启用说话人区分时可以请求说话人标记;识别质量取决于录制内容。
创建与管理自定义音色需要自有 Qwen 连接。Marketplace 支持语音生成,以及提取、翻译、图片、文档和转写任务。
管理 OOMOL 可以使用哪些可选存储。你随时可以在页脚重新修改这些选择。