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-2025-04-13），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。模型内置六种识别任务分别是：通用识别、文档解析、表格解析、信息抽取、多语言识别、公式识别。本模型为2025年04月13日的快照版本。
输入
文本图像
输出
文本
功能
前缀补全
函数调用
缓存
结构化输出
批量任务
联网搜索
微调
定价
- 输入¥5/M tokens
- 输出¥5/M tokens
上下文
上下文
34.09K
最大输入
30K
最大输出
4.09K
速率限制
- RPM每分钟请求数600
- TPM每分钟 Token 数6M
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-2025-04-13',
messages = messages
)
print(response.output.choices[0].message.content[0]["text"])