Foldbun Stack
EN获取 API 密钥即将推出
文字与文档

PaddleOCR-VL API:文档解析为 Markdown

模型许可证:Apache 2.0

PaddleOCR-VL 将文档页面解析为有序区块(标题、正文、表格、公式、图片)及其框,并以 Markdown 返回整页内容。

阅读文档获取 API 密钥即将推出API 参考

价格

计费项单位额度
文档解析
每个请求一页图像。
每页2
按储值折合约 US$0.002

有余额的账户可用(付费)。 价格以额度计。调用失败不收费。

示例结果

API 在示例图片上的实际响应记录。

论文页:解析出的 25 个区块,按类型着色。
论文页1 页25 个区块
发票:解析出的 15 个区块,按类型着色。
发票1 页15 个区块
中文教材页:解析出的 15 个区块,按类型着色。
中文教材页1 页15 个区块

请求与响应

POST https://api.stack.foldbun.com/v1/documents/parse,使用 Bearer API 密钥。

API 参考
# macOS:把 "base64 -w0 paper.webp" 换成 "base64 -i paper.webp"
curl https://api.stack.foldbun.com/v1/documents/parse \
  -H "Authorization: Bearer $FOLDBUN_API_KEY" \
  -H "Content-Type: application/json" \
  -d @- <<EOF
{"model": "paddleocr-vl", "image": {"base64": "$(base64 -w0 paper.webp)"}}
EOF
import base64, os, requests

with open("paper.webp", "rb") as f:
    image = base64.b64encode(f.read()).decode()

r = requests.post(
    "https://api.stack.foldbun.com/v1/documents/parse",
    headers={"Authorization": f"Bearer {os.environ['FOLDBUN_API_KEY']}"},
    json={"model": "paddleocr-vl",
          "image": {"base64": image}},
    timeout=60,
)
r.raise_for_status()
print(r.json())
响应(节选)
{
  "id": "call_01a1913d-dc14-782f-af48-5f8d60683e0d",
  "model": "paddleocr-vl",
  "image": {"height": 1426, "id": "img_a01c9472…eb84", "width": 1008},
  "blocks": [
    {
      "type": "title",
      "order": 0,
      "bbox": [187, 65, 820, 135],
      "text": "Cell-Aware Hashing for Compact and Robust Large-Scale Image Retrieval",
      "markdown": "# Cell-Aware Hashing for Compact and Robust Large-Scale Image Retrieval"
    }
    … 24 more
  ],
  "markdown": "# Cell-Aware Hashing for Compact and Robust Large-Scale Image Retrieval\\n\\nTobias Reinholt$^…",
  "pages": 1,
  "cost": 2,
  "balance": 1232.56
}

请求字段

字段说明
image单页图片,{"base64": "…"},或之前响应返回的 {"id": "img_…"}。
options.blocks包含 blocks,默认 true。设为 false 时只返回 markdown。

价格示例

调用额度
1 页
2
2
按储值折合约 US$0.002
10 页
10 × 2
20
按储值折合约 US$0.02
1,000 页
1,000 × 2
2000
按储值折合约 US$2.00

限制

图片
JPEG、PNG、静态 WebP;最大 20 MiB、4,000 万像素
每次调用的页数
1
坐标
按 EXIF 摆正后的原始页面图像的像素
速率限制
取决于账户档位,见 GET /v1/models

常见问题

PaddleOCR-VL 如何计费?

每次调用解析一页,收费 2.0 额度。该模型属于付费池,有余额的账户可用。调用失败不收费。

响应包含什么?

整页的 Markdown(表格为 HTML 表格,公式为 LaTeX);除非 options.blocks 为 false,还包含有序区块列表,每个区块带类型、阅读顺序、框、文本和 Markdown。

返回哪些区块类型?

text、title、table、formula、figure、caption、header、footer、list 和 other。

相关模型

模型与价格

Foldbun Stack — 按量计费的视觉模型 API

通过 REST API 调用 PaddleOCR-VL,请求与响应格式见文档。

阅读文档获取 API 密钥即将推出