API 文档
Foldbun Stack 是按量计费的计算机视觉模型 API。分割、文字识别、文档解析、向量嵌入和背景移除均可通过 HTTPS 访问 https://api.stack.foldbun.com。请求使用 API 密钥认证，按调用从预付余额中扣费。模型池每日包含额度内的调用免费，失败的调用不收费。
API 为同步调用：一次请求返回一次结果。异步任务和 webhook 暂不提供。
每个任务一页：含配图的场景说明、模型选择和调用示例。
| 用例 | 接口 | 模型 |
|---|---|---|
| 交互分割 | POST /v1/segment、POST /v1/refine |
sam3、sam-lite |
| 概念分割 | POST /v1/segment |
sam3 |
| 文字识别（OCR） | POST /v1/ocr |
ppocr-v6 |
| 文档解析 | POST /v1/documents/parse |
paddleocr-vl |
| 嵌入与检索 | POST /v1/embeddings |
dinov3、siglip2 |
| 抠图 | POST /v1/remove-background |
birefnet |
单位与价格：计费。GET /v1/models 返回调用账户的实时目录；该请求免费，不计量。
| 模型 | 模型名称 | 用例 | 模型池 |
|---|---|---|---|
sam3 |
SAM 3（Meta） | 交互分割、概念分割 | 付费 |
sam-lite |
SAM 2.1 Hiera-S（Meta） | 交互分割 | 免费 |
ppocr-v6 |
PP-OCRv6 small（PaddlePaddle） | 文字识别（OCR） | 公共 |
paddleocr-vl |
PaddleOCR-VL 1.6（0.9B），配合 PP-DocLayoutV3 版面分析（PaddlePaddle） | 文档解析 | 付费 |
dinov3 |
DINOv3 ViT-B/16（Meta） | 嵌入与检索 | 公共 |
siglip2 |
SigLIP 2 base，patch 16，224 px（Google） | 嵌入与检索 | 公共 |
birefnet |
BiRefNet 通用模型（Peng Zheng 等） | 抠图 | 付费 |
模型池决定账户可调用哪些模型：速率限制与模型池。
- 在控制台创建 API 密钥。详见快速开始。
- 以 base64 发送图片，或先上传一次，再复用返回的
img_句柄。详见图片。 - 读取结果。每个成功响应都包含调用
id、model、image、本次调用的cost、调用后的balance、timing对象和billing明细。详见计费；所有字段的说明见 API 参考。
请求和响应中的所有坐标，均为摆正后的原图的像素坐标：即应用 EXIF 方向后、保持完整尺寸的上传图片。多边形和框使用同样的像素；按需返回的蒙版在 mask.size 中给出自己的网格尺寸。详见图片和后处理。