使用AI大模型进行OCR的方法，既好又省。

之前一直用腾讯云的OCR API功能，她的高精度OCR还是挺好用的，但续费的价格实在感人，1000次应用就要200元，见下图。

考虑到之前使用kimi的图像识别功能还不错，就试着用AI大模型功能来进行OCR，一般来说，识别精度在AI的加持下比一般API要高。但官网也只给了python及node的代码，为了适应自己的WP采集发贴程序，现修改为C#代码的形式：

namespace wordpress采集项目
{
    public class KimiOcr
    {
        // 从环境变量中获取 API 密钥，也可以直接硬编码（不推荐生产环境中使用硬编码）
        private static readonly string ApiKey = "sk-XXXXXX";//你的APIKEY
        private static readonly string BaseUrl = "https://api.moonshot.cn/v1";

        /// <summary>
        /// 使用 Kimi Vision 模型对图片进行 OCR 识别，直接通过提示词让大模型识别图片中的文字。
        /// </summary>
        /// <param name="imagePath">图片文件路径</param>
        /// <returns>识别出的文字</returns>
        public static async Task<string> RecognizeImageText(string imagePath)
        {
            try
            {
                // 读取图片文件并转换为 Base64 字符串
                byte[] imageBytes = File.ReadAllBytes(imagePath);
                string extension = Path.GetExtension(imagePath).TrimStart('.').ToLower(); // 如 "png", "jpg"
                string imageBase64 = Convert.ToBase64String(imageBytes);
                string imageDataUrl = $"data:image/{extension};base64,{imageBase64}";

                // 构造请求 payload
                var requestPayload = new ChatRequest
                {
                    model = "moonshot-v1-8k-vision-preview",  // 根据实际情况调整模型名称
                    messages = new ChatMessage[]
                    {
                    new ChatMessage { role = "system", content = "你是 Kimi。" },
                    new ChatMessage
                    {
                        role = "user",
                        // 内容由多个部分组成：图片和文本指令
                        content = new List<ContentPart>
                        {
                            new ContentPart
                            {
                                type = "image_url",
                                image_url = new ImageUrlPart { url = imageDataUrl }
                            },
                            new ContentPart
                            {
                                type = "text",
                                text = "请识别图片中的文字。"
                            }
                        }
                    }
                    }
                };

                string jsonPayload = JsonConvert.SerializeObject(requestPayload);

                using (HttpClient client = new HttpClient())
                {
                    // 设置认证头部和请求头
                    client.DefaultRequestHeaders.Authorization = new AuthenticationHeaderValue("Bearer", ApiKey);
                    client.DefaultRequestHeaders.Accept.Add(new MediaTypeWithQualityHeaderValue("application/json"));

                    var contentData = new StringContent(jsonPayload, System.Text.Encoding.UTF8, "application/json");
                    HttpResponseMessage response = await client.PostAsync($"{BaseUrl}/chat/completions", contentData);
                    response.EnsureSuccessStatusCode();
                    string jsonResponse = await response.Content.ReadAsStringAsync();

                    var chatResponse = JsonConvert.DeserializeObject<ChatResponse>(jsonResponse);
                    return chatResponse.choices[0].message.content;
                }
            }
            catch (Exception ex)
            {
                Console.WriteLine($"OCR 识别失败：{ex.Message}");
                return string.Empty;
            }
        }
    }

    public class ChatRequest
    {
        public string model { get; set; }
        public ChatMessage[] messages { get; set; }
    }

    public class ChatMessage
    {
        public string role { get; set; }
        public object content { get; set; } // 可以是字符串或 List<ContentPart>
    }

    public class ContentPart
    {
        public string type { get; set; }
        public ImageUrlPart image_url { get; set; }
        public string text { get; set; }
    }

    public class ImageUrlPart
    {
        public string url { get; set; }
    }

    public class ChatResponse
    {
        public Choice[] choices { get; set; }
    }

    public class Choice
    {
        public ChatMessageResponse message { get; set; }
    }

    public class ChatMessageResponse
    {
        public string content { get; set; }
    }
}
使用方法：
                        string ocrText = string.Empty;
                        //ocrText = await PerformOcr(outputImagePath, checkBox4.Checked?1:0);//1为高精度识别
                        ocrText = await KimiOcr.RecognizeImageText(outputImagePath); 

根据Kimi官网的说法：每张图片消耗的 Tokens 为固定值 1024（不区分图片尺寸及图片质量）。Vision 模型在计费方式上与 moonshot-v1 系列模型保持一致，那么计算一下Money的消耗如下：

根据模型推理的总 Tokens 计费，1M Tokens为12元，则每张图片大约消耗1024/1M*12=0.012元/每张图片。比起腾讯云的0.2元/每张图片，价格降为腾讯的6%，且识别度更高，可以说是既好又便宜，可以放开来用。