Google Cloud Vision API
Google Cloud Vision API
Google Cloud 的图像分析 API：标签、OCR、文档 OCR、人脸属性、地标、Logo、对象定位、安全审核、裁剪、Web 检测共 11 个 feature，按 feature × 图片数计费
11 个标准 feature 一次请求叠加调用：LABEL_DETECTION、TEXT_DETECTION、DOCUMENT_TEXT_DETECTION、FACE_DETECTION、LANDMARK_DETECTION、LOGO_DETECTION、OBJECT_LOCALIZATION、IMAGE_PROPERTIES、SAFE_SEARCH_DETECTION、CROP_HINTS、WEB_DETECTION（按 feature 数累加计费，但只走一次网络往返）
不做人脸识别（identification）——只返回 face landmarks 与情绪 likelihood（joy、sorrow、anger、surprise），不返回身份。需要 1:1 / 1:N 人脸匹配要换 AWS Rekognition 或自建 ArcFace
打开 cloud.google.com/vision，在 GCP 项目里启用 Cloud Vision API 并绑定结算账户。本地用 `gcloud auth application-default login` 生成 ADC 凭据，CI/CD 下发 service account JSON。安装 @google-cloud/vision（Node.js）或 google-cloud-vision（Python），首请求建议直接打 LABEL_DETECTION 验证一张图的实际计费（feature 数 × 图片数 = units）。PDF/扫描件直接走 DOCUMENT_TEXT_DETECTION + files:asyncBatchAnnotate，别用 TEXT_DETECTION 处理多页文档。
可用率 · 30 天窗口
关于这个 API
Cloud Vision API 是 Google Cloud 在图像理解层面的核心服务，提供 11 个标准 feature：LABEL_DETECTION（开放词表的物体/场景标签）、TEXT_DETECTION（自然场景 OCR）、DOCUMENT_TEXT_DETECTION（文档/手写 OCR，输出含 block / paragraph / word / symbol 层级结构）、FACE_DETECTION（人脸 landmark + 情绪 likelihood，不做身份识别）、LANDMARK_DETECTION（地标识别）、LOGO_DETECTION（品牌 logo）、OBJECT_LOCALIZATION（带 bounding box 的对象检测）、IMAGE_PROPERTIES（主色调与 crop hints）、SAFE_SEARCH_DETECTION（adult / spoof / medical / violence / racy 五维 likelihood）、CROP_HINTS（智能裁剪建议）、WEB_DETECTION（reverse image search + best-guess label）。计费按 feature × 图片数：一张图启用 LABEL_DETECTION + TEXT_DETECTION 就是 2 units。每个 feature 每月前 1,000 units 免费；1,001 ~ 5,000,000 units 区间，多数 feature 是 $1.50 / 1,000 units，OBJECT_LOCALIZATION $2.25，WEB_DETECTION $3.50，CROP_HINTS $0.60；超过 5M units 后，TEXT_DETECTION、DOCUMENT_TEXT_DETECTION、FACE / LANDMARK / LOGO 等降到 $0.60，LABEL_DETECTION 降到 $1.00。请求端点有三个层级：v1/images:annotate（同步，单批最多 16 张图）、v1/images:asyncBatchAnnotate（异步，结果写 GCS）、v1/files:annotate 与 v1/files:asyncBatchAnnotate（PDF/TIFF，同步 5 页上限，异步最多 2,000 页/文档）。图像输入支持三种：内嵌 base64（HTTP payload 上限 10MB）、GCS URI（单文件 20MB）、HTTP/HTTPS URL（仅做演示）。默认 project quota 是 1,800 req/min，更高并发要在 Cloud Quotas 控制台申请上调。认证走 Google Cloud 标准栈：ADC / service account JSON / OAuth bearer / 受限的 API key。客户端覆盖 7 种语言：C#、Go、Java、Node.js、PHP、Python、Ruby。常见踩坑两个：第一，新手习惯按"请求次数"估成本，但 Vision 是按 feature × 图片，叠 3 个 feature 就是 3× 成本——估预算前先把 feature 组合定死；第二，多页 PDF 千万别用 TEXT_DETECTION 一页一页跑同步请求，正解是 DOCUMENT_TEXT_DETECTION + files:asyncBatchAnnotate，让 Google 一次跑完写 GCS。需要 1:N 人脸识别的场景，Vision 做不了，得换 AWS Rekognition 或自建模型。
你可以做什么
- 1文档 OCR 流水线：用 DOCUMENT_TEXT_DETECTION 把扫描合同、发票、手写笔记转成结构化文本，PDF/TIFF 走 files:asyncBatchAnnotate，结果落 GCS 再做后处理
- 2UGC 安全审核：SAFE_SEARCH_DETECTION 返回 adult / spoof / medical / violence / racy 五个维度的 likelihood（UNLIKELY ~ VERY_LIKELY），上传链路里做 fail-closed 拦截
- 3电商商品图打标：LABEL_DETECTION + OBJECT_LOCALIZATION 配合返回类目标签和 bounding box，再用 PRODUCT_SEARCH 建商品库做反向以图搜图
优劣对比
优点
- 11 个标准 feature 一次请求叠加调用：LABEL_DETECTION、TEXT_DETECTION、DOCUMENT_TEXT_DETECTION、FACE_DETECTION、LANDMARK_DETECTION、LOGO_DETECTION、OBJECT_LOCALIZATION、IMAGE_PROPERTIES、SAFE_SEARCH_DETECTION、CROP_HINTS、WEB_DETECTION（按 feature 数累加计费，但只走一次网络往返）
- 价格阶梯随用量阶梯下降：以 LABEL_DETECTION 为例，1K 免费、1K~5M 区间每 1,000 张 $1.50、5M+ 降到 $1.00；TEXT_DETECTION 与 DOCUMENT_TEXT_DETECTION 5M+ 降到 $0.60
- 图像输入三选一：base64 内嵌（payload 上限 10MB）、GCS URI（gs://bucket/path，单文件上限 20MB）、HTTP/HTTPS URL（仅做演示，生产不要依赖）。PDF/TIFF 走 files: 端点，最大 2,000 页/文档
注意事项
- 不做人脸识别（identification）——只返回 face landmarks 与情绪 likelihood（joy、sorrow、anger、surprise），不返回身份。需要 1:1 / 1:N 人脸匹配要换 AWS Rekognition 或自建 ArcFace
- 同步 annotate 单批最多 16 张图；PDF/TIFF 走 files:annotate 同步上限 5 页，超出要切到 files:asyncBatchAnnotate（结果异步落 GCS）
- WEB_DETECTION 与 OBJECT_LOCALIZATION 单价高（5M 以内分别是 $3.50 与 $2.25 / 1,000 units），是叠加 feature 时最先吃预算的两个；不需要就别启用
官方快速开始
在官方文档查看快速开始：cloud.google.com
快速开始
打开 cloud.google.com/vision，在 GCP 项目里启用 Cloud Vision API 并绑定结算账户。本地用 `gcloud auth application-default login` 生成 ADC 凭据，CI/CD 下发 service account JSON。安装 @google-cloud/vision（Node.js）或 google-cloud-vision（Python），首请求建议直接打 LABEL_DETECTION 验证一张图的实际计费（feature 数 × 图片数 = units）。PDF/扫描件直接走 DOCUMENT_TEXT_DETECTION + files:asyncBatchAnnotate，别用 TEXT_DETECTION 处理多页文档。
常见问题
Google Cloud Vision API 有免费额度吗？+
有。每个 feature 每月前 1,000 units 免费，11 个标准 feature 各算各的。一个 unit = 一个 feature 应用到一张图，所以同一张图启用 LABEL_DETECTION + TEXT_DETECTION 会扣两个 feature 各自的免费额度。PRODUCT_SEARCH 与 CELEBRITY_RECOGNITION（白名单）走独立计费模型。
Vision API 能做人脸识别吗？+
不能。FACE_DETECTION 只返回 face landmark（眼、鼻、嘴等坐标）和情绪 likelihood（joy / sorrow / anger / surprise），不返回身份信息，也不支持 1:1 / 1:N 人脸匹配。Google 在合规策略上明确不提供人脸识别能力。需要识别身份就用 AWS Rekognition 的 Face Compare / SearchFacesByImage，或自建 ArcFace / FaceNet。
处理多页 PDF 该用哪个端点？+
用 DOCUMENT_TEXT_DETECTION + v1/files:asyncBatchAnnotate。这个端点单文档最多 2,000 页，输入和输出都走 GCS URI，提交后返回一个 long-running operation 名，结果异步写到指定的 GCS 输出目录里（每批最多 100 页一个 JSON 文件）。同步的 files:annotate 只支持 5 页以内，超出就会拒绝；TEXT_DETECTION 是给自然场景图设计的，处理文档时段落和换行结构会丢。
一次请求叠加多个 feature 会便宜吗？+
只省网络往返时间，不省钱。同一张图启用 N 个 feature 就计 N 个 units，每个 feature 走各自的价格档。所以"反正都调了就多选几个 feature"是错的；按业务实际需要勾选 feature 才是最省的策略。
技术细节
- 认证方式
- oauth
- 计费
- freemium
- 速率限制
- Default project quota: 1,800 requests/minute; synchronous annotate accepts up to 16 images per request, files:annotate (PDF/TIFF) up to 5 pages per request; async batch supports up to 2,000 pages per document with output written to GCS
- 免费额度
- Per-feature monthly free units: first 1,000 units/month free for each feature. A unit = one feature applied to one image, so an annotate request with LABEL_DETECTION + TEXT_DETECTION on one image bills 2 units. PRODUCT_SEARCH and CELEBRITY_RECOGNITION (allow-listed) have separate pricing models.
- 协议
- REST, gRPC
- SDK
- C#, Go, Java, Node.js, PHP, Python, Ruby
- 响应时间
- 166 ms
- 上次巡检
- 2026/6/26 06:23:30
接口端点
从 OpenAPI spec 自动解析。显示 8 / 8 个未弃用端点。
/v1p1beta1/{parent}/files:annotateprojects/v1p1beta1/{parent}/files:asyncBatchAnnotateprojects/v1p1beta1/{parent}/images:annotateprojects/v1p1beta1/{parent}/images:asyncBatchAnnotateprojects/v1p1beta1/files:annotatefiles/v1p1beta1/files:asyncBatchAnnotatefiles/v1p1beta1/images:annotateimages/v1p1beta1/images:asyncBatchAnnotateimages更多来自 Google 的 API
Google Workspace Admin SDK API 程序化管理 Workspace 组织：用户、组、设备、域名、审计日志、组织单元。
AdMob API 可读取 accounts、apps、adUnits 与 adSources，并生成 mediation 与 network 报表。
AdSense Host API 支持 accounts、adclients、adunits、reports 和 adcode 生成，适合托管式广告平台集成。
Apigee API 可管理 API proxy、deployments、attributes 与 organizations，适合把 API 网关运维接入自动化流程。
Google BigQuery API 是 GCP 旗舰数据仓库的 REST 接口：执行 SQL 查询、管理 datasets/tables、流式插入、ML 内置。
Binary Authorization API 用于管理 attestors、IAM policy 与镜像验证流程，面向 GKE 和 Anthos 的发布门禁。
Business Profile Performance API 能拉取 location 指标时间序列和 search keyword impressions，服务 Google 商家资料分析。
Google Calendar API 让应用程序化创建、读取、更新日历事件，是日程类应用最常用的集成。