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。 * *
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。 * *
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