package com.custom.webui.dto.resp;
|
|
import lombok.Data;
|
|
import java.util.ArrayList;
|
import java.util.List;
|
|
/**
|
* 图片文字识别结果。
|
*
|
* <p>用于「对话时上传图片」:前端上传图片 → 后端调 Python OCR →
|
* 把识别出的文字作为上下文拼进 prompt 发给大模型。
|
*
|
* <p>之所以走「先 OCR 再喂文本」而不是「把图片直接给模型」:
|
* 当前配置的 Ollama 模型(如 qwen2.5:7b)是纯文本模型,不支持图像输入。
|
* OCR 这条路对所有模型都通用,也是「让大模型读懂截图」最省事的做法。
|
* 若将来换用视觉模型(如 qwen2.5-vl),可以在此基础上扩展成直接传图。
|
*/
|
@Data
|
public class OcrResultDTO {
|
|
/** 原始文件名 */
|
private String filename;
|
|
/** 识别出的完整文本(各文本块按阅读顺序换行拼接) */
|
private String text;
|
|
/** 识别到的文本块,含包围盒与置信度,供前端在图上标注 */
|
private List<Block> blocks = new ArrayList<>();
|
|
/** 实际使用的 OCR 引擎:vision / rapidocr */
|
private String engine;
|
|
private Integer imageWidth;
|
|
private Integer imageHeight;
|
|
private Integer charCount;
|
|
private Long elapsedMs;
|
|
/** 上传后的文件 id(若图片已存入 upload_file) */
|
private Long fileId;
|
|
/** 图片访问地址,供前端在消息里显示原图 */
|
private String imageUrl;
|
|
/** 单个文本块 */
|
@Data
|
public static class Block {
|
private String text;
|
private Double confidence;
|
/** 包围盒 [x1, y1, x2, y2] */
|
private List<Double> box;
|
}
|
}
|