การอ่านตัวอักษรและตัวเลขจากภาพ

ส่งภาพ CAPTCHA แบบตัวอักษรเป็น Base64 แล้วรับตัวอักษรภาษาอังกฤษและตัวเลขในภาพกลับมา (solution.text) ImageToTextTaskOcrBase ราคาภาพละ 2 พอยต์ (≈ $0.30 / 1k) และคืนผลแบบซิงโครนัส คือได้ผลลัพธ์จากคำขอ createTask เพียงครั้งเดียว หากต้องการกำหนดเงื่อนไข เช่น ตัวพิมพ์ใหญ่เล็ก ตัวเลขล้วน หรือนิพจน์คำนวณ ให้ใช้ ImageToTextTask แบบอะซิงโครนัส

POSThttps://api.yescaptcha.com/createTaskendpoint ทั่วโลกคัดลอก

POSThttps://cn.yescaptcha.com/createTaskendpoint จีนคัดลอก

เนื้อหาคำขอเป็น JSON และยืนยันตัวตนด้วย clientKey

ประเภทงานและราคา

ประเภทงาน	ราคา	รูปแบบการคืนผลลัพธ์	หมายเหตุ
ImageToTextTaskOcrBase	$0.30 / 1k; 2 พอยต์/งาน · ¥2 / 1k	แบบซิงโครนัส
ImageToTextTaskMuggle	$0.30 / 1k; 2 พอยต์/งาน · ¥2 / 1k	แบบซิงโครนัส	ไม่รองรับตัวเลือก case และ numeric ใช้ project_name เพื่อเลือกโมเดลที่กำหนดเองได้
ImageToTextTask	$0.60 / 1k; 4 พอยต์/งาน · ¥4 / 1k	แบบอะซิงโครนัส
ImageToTextTaskM1	$2.25 / 1k; 15 พอยต์/งาน · ¥15 / 1k	แบบอะซิงโครนัส

ราคาเป็นดอลลาร์สหรัฐเป็นเพียงค่าประมาณที่ US$1 ≈ ¥6.67 งานจะถูกหักเป็นพอยต์

ความต้องการ	ประเภทที่ใช้
CAPTCHA ตัวอักษรและตัวเลขทั่วไป ราคาถูกและเร็วที่สุด	ImageToTextTaskOcrBase, ImageToTextTaskMuggle (แบบซิงโครนัส)
ใช้โมเดลที่สร้างเฉพาะสำหรับคุณ	ImageToTextTaskMuggle พร้อม project_name
ต้องแยกตัวพิมพ์ใหญ่เล็ก ตัวเลขล้วน คำนวณนิพจน์ หรือจำกัดความยาว	ImageToTextTask, ImageToTextTaskM1 (แบบอะซิงโครนัส)

แต่ละประเภทงานใช้โมเดลและเส้นทางที่ต่างกัน ผลลัพธ์กับภาพประเภทเดียวกันจึงอาจไม่เท่ากัน ลองทดสอบหลายประเภทก่อนเลือกใช้

พารามิเตอร์ของคำขอ

ฟิลด์	ประเภท	จำเป็น	คำอธิบาย
type	string	ใช่	ประเภทงาน ดูค่าที่ใช้ได้ในหัวข้อ "ประเภทงานและราคา" ของหน้านี้
body	string	ใช่	รูปภาพที่เข้ารหัส Base64 โดยไม่มีคำนำหน้า data:image/...;base64, และไม่มีการขึ้นบรรทัดใหม่
project_name	string	ไม่	ชื่อโมเดลที่กำหนดเอง รองรับเฉพาะ ImageToTextTaskMuggle หากไม่ระบุจะใช้โมเดลตัวอักษรและตัวเลขทั่วไป หากต้องการโมเดลที่กำหนดเองโปรดติดต่อฝ่ายสนับสนุน (เฉพาะ ImageToTextTaskMuggle)
phrase	boolean	ไม่	true หมายถึงคำตอบมีช่องว่างอย่างน้อยหนึ่งช่อง (เฉพาะ ImageToTextTask, ImageToTextTaskM1)
case	boolean	ไม่	true หมายถึงคำตอบแยกแยะตัวพิมพ์ใหญ่และตัวพิมพ์เล็ก (เฉพาะ ImageToTextTask, ImageToTextTaskM1)
numeric	integer	ไม่	0 ไม่มีข้อกำหนด; 1 ตัวเลขเท่านั้น; 2 ไม่มีตัวเลข (เฉพาะ ImageToTextTask, ImageToTextTaskM1)
math	boolean	ไม่	true หมายถึงรูปภาพเป็นนิพจน์ทางคณิตศาสตร์ และคำตอบคือผลลัพธ์ของนิพจน์นั้น (เฉพาะ ImageToTextTask, ImageToTextTaskM1)
minLength	integer	ไม่	ความยาวขั้นต่ำของคำตอบ 0 หมายถึงไม่จำกัด (เฉพาะ ImageToTextTask, ImageToTextTaskM1)
maxLength	integer	ไม่	ความยาวสูงสุดของคำตอบ 0 หมายถึงไม่จำกัด (เฉพาะ ImageToTextTask, ImageToTextTaskM1)

body คือ Base64 ของไฟล์ภาพ ภาพ WebP จะถูกแปลงให้อัตโนมัติ

คำเตือน

Base64 ต้องไม่มีคำนำหน้า data:image/...;base64, และต้องไม่มีการขึ้นบรรทัดใหม่

ตัวอย่างคำขอ

POST https://api.yescaptcha.com/createTask

{
  "clientKey": "YOUR_CLIENT_KEY",
  "task": {
    "type": "ImageToTextTaskOcrBase",
    "body": "BASE64_IMAGE"
  }
}

โค้ดฉบับเต็ม (อ่านไฟล์ captcha.png ในไดเรกทอรีปัจจุบัน):

curl

# Replace BASE64_IMAGE with the Base64-encoded image
curl -s https://api.yescaptcha.com/createTask \
  -H 'Content-Type: application/json' \
  -d '{
  "clientKey": "YOUR_CLIENT_KEY",
  "task": {
    "type": "ImageToTextTaskOcrBase",
    "body": "BASE64_IMAGE"
  }
}'

Python

solve.py

import os
import base64

import requests

API = "https://api.yescaptcha.com"
CLIENT_KEY = os.environ["YESCAPTCHA_CLIENT_KEY"]  # Read the clientKey from an environment variable


def call(method, payload):
    r = requests.post(f"{API}/{method}", json={"clientKey": CLIENT_KEY, **payload}, timeout=30)
    data = r.json()
    if data.get("errorId"):
        raise RuntimeError(f"{data.get('errorCode')}: {data.get('errorDescription')}")
    return data


def solve(task):
    return call("createTask", {"task": task})["solution"]


# Base64-encode the image (no data: prefix)
with open("captcha.png", "rb") as f:
    image_b64 = base64.b64encode(f.read()).decode()

solution = solve({
    "type": "ImageToTextTaskOcrBase",
    "body": image_b64,
})
print(solution["text"])

Node.js

solve.mjs

import { readFileSync } from 'node:fs';

const API = 'https://api.yescaptcha.com';
const CLIENT_KEY = process.env.YESCAPTCHA_CLIENT_KEY; // Read the clientKey from an environment variable

async function call(method, payload) {
  const res = await fetch(`${API}/${method}`, {
    method: 'POST',
    headers: { 'Content-Type': 'application/json' },
    body: JSON.stringify({ clientKey: CLIENT_KEY, ...payload }),
  });
  const data = await res.json();
  if (data.errorId) throw new Error(`${data.errorCode}: ${data.errorDescription}`);
  return data;
}

async function solve(task) {
  const { solution } = await call('createTask', { task });
  return solution;
}

// Base64-encode the image (no data: prefix)
const imageB64 = readFileSync('captcha.png').toString('base64');

const solution = await solve({
  type: "ImageToTextTaskOcrBase",
  body: imageB64,
});
console.log(solution.text);

งานแบบอะซิงโครนัสที่มีเงื่อนไข:

POST https://api.yescaptcha.com/createTask

{
  "clientKey": "YOUR_CLIENT_KEY",
  "task": {
    "type": "ImageToTextTask",
    "body": "BASE64_IMAGE",
    "case": true,
    "numeric": 0,
    "minLength": 4,
    "maxLength": 6
  }
}

ผลลัพธ์ที่ได้รับ

ประเภทงานแบบซิงโครนัสจะคืนผลใน createTask โดยตรง:

{
  "errorId": 0,
  "status": "ready",
  "solution": {
    "text": "LMResm"
  },
  "taskId": "2376919c-1863-11ec-a012-94e6f7355a0b"
}

ประเภทงานแบบอะซิงโครนัส (ImageToTextTask, ImageToTextTaskM1) จะคืน taskId ก่อน จากนั้นให้เรียก getTaskResult ตรวจซ้ำทุก 5 วินาที เมื่อเสร็จแล้ว solution จะมีรูปแบบเดียวกัน

ฟิลด์	ประเภท	คำอธิบาย
text	string	ข้อความที่จดจำได้

โมเดลที่สร้างเฉพาะ

โมเดลทั่วไปใช้ได้กับ CAPTCHA ตัวอักษรและตัวเลขทุกแบบ แต่ความแม่นยำต่ำกว่าโมเดลที่ฝึกมาเฉพาะเล็กน้อย หากภาพที่ต้องการอ่านมีรูปแบบเดียวกันเสมอ คุณสามารถ ติดต่อฝ่ายสนับสนุน เพื่อสร้างโมเดลเฉพาะ จากนั้นระบุด้วย ImageToTextTaskMuggle พร้อม project_name

คำถามที่พบบ่อย

ถ้าอ่านผิดจะถูกหักพอยต์หรือไม่?

ประเภทงานแบบซิงโครนัสจะหักพอยต์เมื่อมีผลลัพธ์คืนมา แม้ผลลัพธ์จะไม่ถูกต้อง คุณสามารถเปลี่ยนไปลองประเภทงานอื่นเพื่อเปรียบเทียบ หรือสร้างโมเดลเฉพาะ

ได้รับ ERROR_ZERO_CAPTCHA_FILESIZE หรือ ERROR_PARSE_IMAGE_FAIL?

Base64 ของภาพไม่สมบูรณ์ หรือมีคำนำหน้า data: หรือการขึ้นบรรทัดใหม่ ให้ตรวจสอบการเข้ารหัส ดูที่ รหัสข้อผิดพลาด

ตัวอย่างที่เกี่ยวข้อง

• เริ่มต้นใช้งานอย่างรวดเร็ว: ส่งคำขอแรกด้วย ImageToTextTaskOcrBase
• ตัวอย่าง Python