Qwen-VL-OCR
复制成功！
立即体验加入对比
视觉理解
概述
视觉理解
千问VL-OCR（qwen-vl-ocr），即基于Qwen-VL训练的OCR识别大模型。通过统一模型的方式聚合多种图文识别、解析、处理类任务，提供强大的图文识别能力。本模型为2024年10月28日的快照版本。
输入
文本图像
输出
文本
功能
定价
- 输入¥5/M tokens
- 输出¥5/M tokens
速率限制与上下文
- 最大输入30K
- 最大输出4.09K
- RPM每分钟请求数600
- TPM每分钟 Token 数6M
- 上下文34.09K
API 参考
获取 API Key复制成功！
1234567891011121314151617
import os
import dashscope
dashscope.base_http_api_url = 'https://dashscope.aliyuncs.com/api/v1'
messages = [
{
"role": "user",
"content": [
{"image": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20241108/ctdzex/biaozhun.jpg"},
{"text": "请仅输出图像中的文本内容。"}]
}]
response = dashscope.MultiModalConversation.call(
#若没有配置环境变量， 请用百炼API Key将下行替换为： api_key ="sk-xxx"
api_key = os.getenv('DASHSCOPE_API_KEY'),
model = 'qwen-vl-ocr-1028',
messages = messages
)
print(response.output.choices[0].message.content[0]["text"])