Google Cloud Vision AI
Google Cloud 的视觉 AI 工具套件,提供图片标签、OCR、人脸与地标检测、视频分析等预训练 API,供开发者集成到应用中。
0 次可以打开平均 30.2 秒11 月 11 日 起国内不可直接访问
本站从国内机房定期实测。竖条由远及近:绿 = 可以打开,橙 = 国内不可直接访问,灰 = 打不开。Vision AI 是 Google Cloud 旗下的一组视觉类 API,把图片、文档和视频交给预训练模型处理,返回标签、文字、物体位置等结构化结果。它面向开发者,不是给普通用户点开就能用的网页工具——调用要走 REST 或 RPC 接口,在 Google Cloud 控制台里开通项目、拿凭据,再写代码接进去。
主要能力
套件里几个产品分工不同。Cloud Vision API 处理静态图片,能做图片加标签、人脸和地标检测、光学字符识别(OCR)、露骨内容标记。Document AI 面向扫描件和 PDF,把非结构化文档转成结构化数据,带预训练处理器,也能用 Workbench 自建处理器,官方说 5 到 10 份文档即可微调。Video Intelligence API 分析存储或流式视频,识别对象、地点和动作,常用于内容审核、媒体归档。此外 Gemini 平台中的 Imagen 提供图片生成、修改和视觉标注。
费用与限制
按用量计费,每项功能算一个计费单元。Cloud Vision API 每月前 1,000 个功能单元免费,Video Intelligence API 每月前 1,000 分钟免费;Document AI 没有统一免费额度,价格随处理器不同。Imagen 视觉标注标价 0.0015 美元每张图片输入,多模态嵌入 0.0001 美元每张。新客户可获最高 300 美元赠金试用。使用需要 Google 账号登录 Google Cloud 控制台,并绑定结算信息。
适合谁
适合要把图像识别、文档解析或视频分析嵌进自己产品的开发团队,尤其是已经在用 Google Cloud 的项目。只想给几张图识别文字的个人用户,用现成的 OCR 小工具会更省事。