Extrayez du texte, des données structurées et des informations clés d'images à l'aide du modèle Qwen-OCR. Ce modèle prend en charge deux protocoles API : l'API compatible OpenAI et l'API DashScope .
Pour les cas d'utilisation et le guide de démarrage, consultez Extraction de texte (Qwen-OCR) .
API compatible OpenAI
Endpoints
Région | SDKbase_url | Endpoint HTTP |
|---|---|---|
Singapour |
|
|
États-Unis (Virginie) |
| |
Chine (Pékin) |
|
|
Prérequis
Obtenez une clé API et définissez-la comme variable d'environnement. Si vous utilisez le SDK OpenAI, installez le SDK.
Démarrage rapide
Utilisez l'endpoint de complétion de chat compatible OpenAI. Envoyez un message user contenant une URL d'image et une invite textuelle. Le modèle extrait alors le texte et le retourne dans choices[0].message.content.
Mode non streaming
Python
Mode streaming
Définissez stream sur true pour recevoir les résultats de manière incrémentielle au fur et à mesure de leur génération par le modèle.
Python
Paramètres de requête
Paramètre | Type | Obligatoire | Description |
|---|---|---|---|
| string | Oui | Nom du modèle. Consultez Modèles recommandés pour la liste des modèles pris en charge. |
| array | Oui | Tableau d'objets message fournissant le contexte au modèle. |
role (doit être user) ainsi qu'un tableau content comprenant les types d'éléments suivants :
Paramètre | Type | Obligatoire | Description |
|---|---|---|---|
| string | Oui |
|
| string | Non | L'invite textuelle. Valeur par défaut : |
| string | Oui (si | URL ou Data URL encodée en Base64 de l'image. Pour les fichiers locaux, consultez Extraction de texte. |
| integer | Non | Seuil minimal de pixels. Les images inférieures à cette valeur sont agrandies. Voir Contrôle de la résolution d'image. |
| integer | Non | Seuil maximal de pixels. Les images dépassant cette valeur sont réduites. Voir Contrôle de la résolution d'image. |
Paramètre | Type | Valeur par défaut | Description |
|---|---|---|---|
| boolean |
| Définissez sur |
| boolean |
| Lorsque |
| integer | Variable | Nombre maximal de tokens en sortie. Un dépassement tronque la réponse. Voir Limites de tokens en sortie. |
| float |
| Contrôle la diversité de la sortie. Des valeurs élevées produisent un texte plus varié. Plage : [0, 2). |
| float |
| Seuil d'échantillonnage par noyau. Des valeurs plus élevées augmentent la diversité. Plage : (0, 1.0]. Définissez soit |
| integer |
| Limite l'ensemble des tokens candidats lors de l'échantillonnage. Si la valeur est None ou supérieure à 100, la politique top_k n'est pas activée et seule la politique top_p s'applique. Doit être >= 0. Ce paramètre n'est pas standard chez OpenAI ; transmettez-le via |
| float |
| Pénalité pour les séquences répétées. Les valeurs supérieures à 1.0 réduisent les répétitions. Paramètre non standard OpenAI à transmettre via |
| float |
| Contrôle la répétition du contenu. Plage : [-2.0, 2.0]. Les valeurs positives diminuent les répétitions. |
| integer | -- | Garantit des résultats reproductibles lorsqu'une même valeur est utilisée avec des paramètres identiques. Plage : [0, 2^31 - 1]. |
| boolean |
| Définissez sur |
| integer |
| Nombre de tokens les plus probables à retourner par étape. Plage : [0, 5]. Efficace uniquement si |
| string ou array | -- | Mots d'arrêt ou ID de tokens. La génération s'interrompt dès l'apparition d'une chaîne ou d'un |
Réponse
Réponse non streaming (chat.completion)
Champ | Type | Description |
|---|---|---|
| string | Identifiant unique de la requête. |
| array | Contenu généré par le modèle. |
| string |
|
| integer | Position dans le tableau |
| string | Texte extrait ou sortie structurée du modèle. |
| string | Toujours |
| string | Toujours |
| object | Toujours |
| object | Toujours |
| array | Toujours |
| integer | Horodatage UNIX de la requête. |
| string | Modèle utilisé. |
| string | Toujours |
| string | Toujours |
| string | Toujours |
| integer | Nombre de tokens en sortie. |
| integer | Nombre de tokens en entrée. |
| integer | Somme de |
| integer | Tokens de sortie textuelle. Les autres champs de |
| integer | Tokens d'entrée image. |
| integer | Tokens d'entrée textuelle. Les autres champs de |
Réponse streaming (chat.completion.chunk)
Lorsque stream vaut true, la réponse est délivrée sous forme d'une série de chunks Server-Sent Event (SSE). Chaque chunk suit la même structure que la réponse non streaming, avec les différences suivantes :
objectest toujourschat.completion.chunk.choices[].deltaremplacechoices[].message. L'objetdeltapossède les mêmes champs quemessage.choices[].delta.rolen'est retourné que dans le premier chunk.finish_reasonvautnullpendant la génération,stopà la fin, oulengthen cas de troncature.- Si
include_usageesttrue, le dernier chunk contient un tableauchoicesvide et inclut l'objetusage.
Contrôle de la résolution d'image
Les paramètres min_pixels et max_pixels contrôlent le redimensionnement de l'image avant traitement. Le ratio token/pixel dépend de la version du modèle :
Modèle | Pixels par token | Valeur par défaut demin_pixels(minimum) | Valeur par défaut demax_pixels | Maximum demax_pixels |
|---|---|---|---|---|
| 32 x 32 = 1 024 | 3 072 (3 tokens) | 8 388 608 (8 192 tokens) | 30 720 000 (30 000 tokens) |
| 28 x 28 = 784 | 3 136 (4 tokens) | 6 422 528 (8 192 tokens) | 23 520 000 (30 000 tokens) |
- Si le nombre de pixels de l'image est inférieur à
min_pixels, l'image est agrandie jusqu'à dépassermin_pixels. - Si le nombre de pixels se situe dans l'intervalle
[min_pixels, max_pixels], l'image originale est conservée sans modification. - Si le nombre de pixels dépasse
max_pixels, l'image est réduite pour passer sousmax_pixels.
Limites de tokens en sortie
Modèle | Valeur par défaut et maximale demax_tokens |
|---|---|
| Identique à la longueur de sortie maximale du modèle. Consultez Sélection de modèle. |
| 4 096 |
Pour les modèlesqwen-vl-ocr, qwen-vl-ocr-2025-11-20, la valeur par défaut demax_tokensest de 4 096. Pour l'augmenter (entre 4 097 et 8 192), contactez votre responsable commercial en précisant : votre ID de compte Alibaba Cloud, le type d'image (documents, e-commerce, contrats, etc.), le nom du modèle, le QPS estimé ainsi que le volume quotidien de requêtes, et le pourcentage de requêtes dépassant 4 096 tokens en sortie.
API DashScope
Endpoints
Région | Endpoint HTTP |
|---|---|
Singapour |
|
États-Unis (Virginie) |
|
Chine (Pékin) |
|
Remplacez le domaine parObtenez une clé API et définissez-la comme variable d'environnement. Si vous utilisez le SDK DashScope, vous devez également installer le SDK DashScope.dashscope-us.aliyuncs.compour la région États-Unis (Virginie) ou par{WorkspaceId}.cn-beijing.maas.aliyuncs.compour la région Chine (Pékin). Pour la région Chine (Pékin), il n'est pas nécessaire de définirbase_urllors des appels SDK.
Tâches intégrées
L'API DashScope fournit des tâches OCR intégrées via le paramètre ocr_options. Chaque tâche utilise une invite par défaut optimisée, ce qui dispense de fournir un message text.
Tâche | Valeur deocr_options.task | Format de sortie |
|---|---|---|
Reconnaissance de texte général |
| Texte brut |
Reconnaissance haute précision |
| Texte brut avec cadres englobants |
Extraction d'informations |
| Paires clé-valeur structurées |
Analyse de tableaux |
| Structure de tableau |
Analyse de documents |
| Structure de document |
Reconnaissance de formules |
| Formules LaTeX |
Reconnaissance multilingue |
| Texte multilingue |
Reconnaissance haute précision
Retourne le texte accompagné des données de position pour chaque ligne reconnue.
Python
Extraction d'informations
Extrait des données structurées clé-valeur à partir d'images. Spécifiez les champs à extraire dans task_config.result_schema.
Python
Analyse de tableaux
Extrait la structure des tableaux à partir d'images.
Python
Analyse de documents
Extrait la mise en page structurelle et le texte des documents.
Python
Reconnaissance de formules
Extrait les formules mathématiques des images et les retourne au format LaTeX.
Python
Reconnaissance de texte général
Extrait le texte brut des images sans mise en forme structurelle.
Python
Reconnaissance multilingue
Reconnaît le texte en plusieurs langues à partir d'images.
Python
Streaming (DashScope)
Activez la sortie streaming pour recevoir les résultats de manière incrémentielle. La méthode varie selon le SDK :
- SDK Python : Définissez
stream=Trueetincremental_output=True. - SDK Java : Utilisez l'interface
streamCall. - HTTP : Ajoutez l'en-tête
X-DashScope-SSE: enable.
Paramètres de requête
Paramètre | Type | Obligatoire | Description |
|---|---|---|---|
| string | Oui | Nom du modèle. Consultez Modèles recommandés pour la liste des modèles pris en charge. |
| array | Oui | Tableau d'objets message. |
role (doit être user) et un champ content (chaîne ou tableau). Utilisez une chaîne pour une entrée purement textuelle. Si l'entrée comprend des données d'image, utilisez un tableau avec les champs suivants :
Paramètre | Type | Obligatoire | Description |
|---|---|---|---|
| string | Non | URL, Data URL Base64 ou chemin local de l'image. Voir Transmission de fichiers locaux. |
| string | Non | L'invite textuelle. Valeur par défaut : |
| boolean | Non | Définissez sur |
| integer | Non | Seuil minimal de pixels. Voir Contrôle de la résolution d'image. |
| integer | Non | Seuil maximal de pixels. Voir Contrôle de la résolution d'image. |
parameters pour les appels HTTP.
Paramètre | Type | Valeur par défaut | Description |
|---|---|---|---|
| integer | Variable | Nombre maximal de tokens en sortie. Voir Limites de tokens en sortie. Dans le SDK Java, utilisez |
| boolean |
| Active la sortie streaming. SDK Python uniquement. Pour Java, utilisez |
| boolean |
| Si |
| float |
| Contrôle la diversité de la sortie. Plage : [0, 2). |
| float |
| Seuil d'échantillonnage par noyau. Plage : (0, 1.0]. Définissez soit |
| integer |
| Limite l'ensemble des tokens candidats lors de l'échantillonnage. Si la valeur est None ou supérieure à 100, la politique top_k n'est pas activée et seule la politique top_p s'applique. Doit être >= 0. |
| float |
| Pénalité pour les séquences répétées. Les valeurs supérieures à 1.0 réduisent les répétitions. |
| float |
| Contrôle la répétition du contenu. Plage : [-2.0, 2.0]. |
| integer | -- | Garantit des résultats reproductibles. Plage : [0, 2^31 - 1]. |
| boolean |
| Définissez sur |
| integer |
| Nombre de tokens les plus probables par étape. Plage : [0, 5]. Efficace uniquement si |
| string ou array | -- | Mots d'arrêt ou ID de tokens. La génération s'interrompt dès l'apparition d'une chaîne ou d'un |
ocr_options dans parameters (HTTP), en tant qu'argument nommé (SDK Python) ou via le builder OcrOptions (SDK Java).
Paramètre | Type | Obligatoire | Description |
|---|---|---|---|
| string | Oui | Nom de la tâche intégrée. Valeurs valides : |
| object | Non | Configuration pour |
| object | Non | Objet JSON spécifiant les champs à extraire. Les clés sont les noms de champs, les valeurs sont des descriptions optionnelles pour améliorer la précision. Prend en charge jusqu'à trois niveaux d'imbrication. |
Dans le SDK Java, ce paramètre estOcrOptions. La version minimale du SDK Python DashScope est la 1.22.2. La version minimale du SDK Java est la 2.18.4. Pouradvanced_recognition, le SDK Java >= 2.21.8 est requis.
Réponse
L'API DashScope utilise un format de réponse identique pour les sorties streaming et non streaming.
Champ | Type | Description |
|---|---|---|
| string |
|
| string | Identifiant unique de la requête. Dans le SDK Java, il s'agit de |
| string | Code d'erreur. Vide en cas de succès. Seul le SDK Python retourne ce champ. |
| string | Toujours |
| string |
|
| string | Mêmes valeurs que |
| string | Toujours |
| string | Texte extrait ou sortie formatée du modèle. |
| object | Retourné pour les tâches intégrées ( |
| object | Résultats d'extraction clé-valeur (pour |
| array | Résultats de lignes de texte avec données de position (pour |
| array |
|
| array |
|
| string | Contenu de la ligne de texte. |
| object | Informations de probabilité logarithmique, retournées lorsque |
| integer | Nombre de tokens en entrée. |
| integer | Nombre de tokens en sortie. |
| integer | Fixé à 0. |
| integer | Somme de |
| integer | Tokens correspondant à l'entrée image. |
| integer | Tokens d'entrée image. |
| integer | Tokens d'entrée textuelle. |
| integer | Tokens de sortie textuelle. |
Modèles pris en charge
Modèle | Description |
|---|---|
| Basé sur l'architecture Qwen3.5. Plus rapide et plus précis. Améliorations majeures dans l'extraction d'informations, le positionnement du texte et la prise en charge des conversations multi-tours. Longueur de contexte étendue à 128K. |
| Dernier snapshot daté. |
Version précédente. | |
| Version précédente. |
| Version précédente. |
| Modèle de base. |