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。

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
    ¥0.3/M tokens
  • 输出
    ¥0.5/M tokens
  • 输入(Batch File)
    ¥0.15/M tokens
  • 输出(Batch File)
    ¥0.25/M tokens

上下文

上下文
38.19K
最大输入
30K
最大输出
8.19K

速率限制

  • RPM每分钟请求数
    1.20K
  • 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-latest',
    messages = messages
)
print(response.output.choices[0].message.content[0]["text"])