通義千問OCR 是專用於文字提取的視覺理解模型，可從各類映像（如掃描文檔、表格、票據等）中提取文本或解析結構化資料，支援識別多種語言，並能通過特定任務指令實現資訊抽取、表格解析、公式識別等進階功能。
線上體驗：阿里雲百鍊平台（新加坡）、阿里雲百鍊平台（維吉尼亞）或阿里雲百鍊平台（北京）
效果樣本
輸入映像 | 識別結果 |
識別多種語言
|
|
識別傾斜映像
| 產品介紹 本品採用韓國進口纖維絲製造，不縮水、不變形、不發黴、不生菌、不傷物品表面。具有真正的不粘油、吸水力強、耐水浸、清洗乾淨、無毒、無殘留、易晾乾等特點。 店家使用經驗：不鏽鋼、陶瓷製品、浴盆、整體浴室大部分是白色的光潔表面，用其他的抹布擦洗表面汙漬不易洗掉，太尖的容易划出劃痕。使用這個模擬絲瓜布，沾少量中性洗滌劑揉出泡沫，很容易把這些表面汙漬擦洗乾淨。 6941990612023 貨號：2023 |
定位文字位置
高精識別任務支援文字定位功能。 | 可視化定位效果
可參見常見問題將每行文本的邊界框繪製到原圖上。 |
適用範圍
支援的地區
支援的模型
全球
在全球部署模式下，存取點與資料存放區均位於美國（維吉尼亞）地區，模型推理計算資源在全球範圍內動態調度。
模型名稱 | 版本 | 上下文長度 | 最大輸入 | 最大輸出 | 輸入單價 | 輸出單價 |
（Token數） | （每百萬Token） | |||||
qwen-vl-ocr 當前與qwen-vl-ocr-2025-11-20能力相同 | 穩定版 | 34,096 | 30,000 單圖最大30000 | 4096 | $0.07 | $0.16 |
qwen-vl-ocr-2025-11-20 又稱qwen-vl-ocr-1120 基於Qwen3-VL架構，大幅提升文檔解析、文字定位能力。 | 快照版 | 38,192 | 8,192 | |||
國際
在國際部署模式下，存取點與資料存放區均位於新加坡地區，模型推理計算資源在全球範圍內動態調度（不含中國內地）。
模型名稱 | 版本 | 上下文長度 | 最大輸入 | 最大輸出 | 輸入單價 | 輸出單價 | 免費額度 |
（Token數） | （每百萬Token） | ||||||
qwen-vl-ocr | 穩定版 | 34,096 | 30,000 單圖最大30000 | 4096 | $0.72 | $0.72 | 各100萬Token 有效期間：百鍊開通後90天內 |
qwen-vl-ocr-2025-11-20 又稱qwen-vl-ocr-1120 基於Qwen3-VL架構，大幅提升文檔解析、文字定位能力。 | 快照版 | 38,192 | 8,192 | $0.07 | $0.16 | ||
中國內地
在中國內地部署模式下，存取點與資料存放區均位於北京地區，模型推理計算資源僅限於中國內地。
模型名稱 | 版本 | 上下文長度 | 最大輸入 | 最大輸出 | 輸入單價 | 輸出單價 | 免費額度 |
（Token數） | （每百萬Token） | ||||||
qwen-vl-ocr 當前與qwen-vl-ocr-2025-08-28能力相同 | 穩定版 | 34,096 | 30,000 單圖最大30000 | 4,096 | $0.717 | $0.717 | 無免費額度 |
qwen-vl-ocr-latest 始終與最新版能力相同 | 最新版 | 38,192 | 8,192 | $0.043 | $0.072 | ||
qwen-vl-ocr-2025-11-20 又稱qwen-vl-ocr-1120 基於Qwen3-VL架構，大幅提升文檔解析、文字定位能力。 | 快照版 | ||||||
qwen-vl-ocr-2025-08-28 又稱qwen-vl-ocr-0828 | 34,096 | 4,096 | $0.717 | $0.717 | |||
qwen-vl-ocr-2025-04-13 又稱qwen-vl-ocr-0413 | |||||||
qwen-vl-ocr-2024-10-28 又稱qwen-vl-ocr-1028 | |||||||
qwen-vl-ocr、qwen-vl-ocr-2025-04-13、qwen-vl-ocr-2025-08-28模型，max_tokens參數（最大輸出長度）預設為 4096，如需提高該參數值（4097~8192範圍），請發送郵件至 modelstudio@service.aliyun.com進行申請，並提供以下資訊：主帳號ID、映像類型（如文檔圖、電商圖、合約等）、模型名稱、預計 QPS 和每日請求總數，以及模型輸出長度超過4096的請求佔比。
準備工作
如果通過 OpenAI SDK 或 DashScope SDK進行調用，請先安裝最新版 SDK。DashScope Python SDK 最低版本為1.22.2， Java SDK 最低版本為2.21.8。
DashScope SDK
優勢：支援所有進階特性，如映像旋轉矯正和內建 OCR 任務。功能更完整，調用方式更簡潔。
適用情境：需要使用完整功能的專案。
OpenAI 相容 SDK
優勢：方便已使用 OpenAI SDK 或生態工具的使用者快速遷移。
限制：進階功能（映像旋轉矯正和內建 OCR 任務）不支援直接通過參數調用，需要通過構造複雜的 Prompt 手動類比，輸出結果需要自行解析。
適用情境：已有 OpenAI 整合基礎，且不依賴 DashScope 專屬進階功能的專案。
快速開始
以下樣本將從火車票圖片（URL）中提取關鍵資訊，並以 JSON 格式返回。瞭解如何傳入本地檔案和映像限制。
OpenAI 相容
Python
from openai import OpenAI
import os
PROMPT_TICKET_EXTRACTION = """
請提取車票映像中的發票號碼、車次、起始站、終點站、發車日期和時間點、座位號、席別類型、票價、社會安全號碼碼、購票人姓名。
要求準確無誤的提取上述關鍵資訊、不要遺漏和捏造虛假資訊，模糊或者強光遮擋的單個文字可以用英文問號?代替。
返回資料格式以json方式輸出，格式為：{'發票號碼'：'xxx', '車次'：'xxx', '起始站'：'xxx', '終點站'：'xxx', '發車日期和時間點'：'xxx', '座位號'：'xxx', '席別類型'：'xxx','票價':'xxx', '社會安全號碼碼'：'xxx', '購票人姓名'：'xxx'"},
"""
try:
client = OpenAI(
# 各地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
# 若沒有配置環境變數，請用百鍊API Key將下行替換為：api_key="sk-xxx",
api_key=os.getenv("DASHSCOPE_API_KEY"),
# 以下為新加坡地區base_url，若使用維吉尼亞地區模型，需要將base_url換成https://dashscope-us.aliyuncs.com/compatible-mode/v1
# 若使用北京地區模型，需要將base_url換成https://dashscope.aliyuncs.com/compatible-mode/v1
base_url="https://dashscope-intl.aliyuncs.com/compatible-mode/v1",
)
completion = client.chat.completions.create(
model="qwen-vl-ocr-2025-11-20",
messages=[
{
"role": "user",
"content": [
{
"type": "image_url",
"image_url": {"url":"https://img.alicdn.com/imgextra/i2/O1CN01ktT8451iQutqReELT_!!6000000004408-0-tps-689-487.jpg"},
# 輸入映像的最小像素閾值，小於該值映像會進行放大，直到總像素大於min_pixels
"min_pixels": 32 * 32 * 3,
# 輸入映像的最大像素閾值，超過該值映像會進行縮小，直到總像素低於max_pixels
"max_pixels": 32 * 32 * 8192
},
# 模型支援在text欄位中傳入Prompt，若未傳入，則會使用預設的Prompt：Please output only the text content from the image without any additional descriptions or formatting.
{"type": "text",
"text": PROMPT_TICKET_EXTRACTION}
]
}
])
print(completion.choices[0].message.content)
except Exception as e:
print(f"錯誤資訊: {e}")Node.js
import OpenAI from 'openai';
// 定義提取車票資訊的Prompt
const PROMPT_TICKET_EXTRACTION = `
請提取車票映像中的發票號碼、車次、起始站、終點站、發車日期和時間點、座位號、席別類型、票價、社會安全號碼碼、購票人姓名。
要求準確無誤的提取上述關鍵資訊、不要遺漏和捏造虛假資訊，模糊或者強光遮擋的單個文字可以用英文問號?代替。
返回資料格式以json方式輸出，格式為：{'發票號碼'：'xxx', '車次'：'xxx', '起始站'：'xxx', '終點站'：'xxx', '發車日期和時間點'：'xxx', '座位號'：'xxx', '席別類型'：'xxx','票價':'xxx', '社會安全號碼碼'：'xxx', '購票人姓名'：'xxx'"}
`;
const openai = new OpenAI({
// 各地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
// 若沒有配置環境變數，請用百鍊API Key將下行替換為：apiKey: "sk-xxx",
apiKey: process.env.DASHSCOPE_API_KEY,
// 以下為新加坡地區base_url，若使用維吉尼亞地區模型，需要將base_url換成https://dashscope-us.aliyuncs.com/compatible-mode/v1
// 若使用北京地區模型，需要將base_url換成https://dashscope.aliyuncs.com/compatible-mode/v1
baseURL: 'https://dashscope-intl.aliyuncs.com/compatible-mode/v1',
});
async function main() {
const response = await openai.chat.completions.create({
model: 'qwen-vl-ocr-2025-11-20',
messages: [
{
role: 'user',
content: [
// 模型支援在以下text欄位中傳入Prompt，若未傳入，則會使用預設的Prompt：Please output only the text content from the image without any additional descriptions or formatting.
{ type: 'text', text: PROMPT_TICKET_EXTRACTION},
{
type: 'image_url',
image_url: {
url: 'https://img.alicdn.com/imgextra/i2/O1CN01ktT8451iQutqReELT_!!6000000004408-0-tps-689-487.jpg',
},
// 輸入映像的最小像素閾值，小於該值映像會進行放大，直到總像素大於min_pixels
min_pixels: 32 * 32 * 3,
// 輸入映像的最大像素閾值，超過該值映像會進行縮小，直到總像素低於max_pixels
max_pixels: 32 * 32 * 8192
}
]
}
],
});
console.log(response.choices[0].message.content)
}
main();curl
# ======= 重要提示 =======
# 各地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
# 以下為新加坡地區base_url，若使用維吉尼亞地區模型，需要將base_url換成 https://dashscope-us.aliyuncs.com/compatible-mode/v1/chat/completions
# 若使用北京地區模型，需要將base_url換成 https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions
# === 執行時請刪除該注釋 ===
curl -X POST https://dashscope-intl.aliyuncs.com/compatible-mode/v1/chat/completions \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "qwen-vl-ocr-2025-11-20",
"messages": [
{
"role": "user",
"content": [
{
"type": "image_url",
"image_url": {"url":"https://img.alicdn.com/imgextra/i2/O1CN01ktT8451iQutqReELT_!!6000000004408-0-tps-689-487.jpg"},
"min_pixels": 3072,
"max_pixels": 8388608
},
{"type": "text", "text": "請提取車票映像中的發票號碼、車次、起始站、終點站、發車日期和時間點、座位號、席別類型、票價、社會安全號碼碼、購票人姓名。要求準確無誤的提取上述關鍵資訊、不要遺漏和捏造虛假資訊，模糊或者強光遮擋的單個文字可以用英文問號?代替。返回資料格式以json方式輸出，格式為：{'發票號碼'：'xxx', '車次'：'xxx', '起始站'：'xxx', '終點站'：'xxx', '發車日期和時間點'：'xxx', '座位號'：'xxx', '席別類型'：'xxx','票價':'xxx', '社會安全號碼碼'：'xxx', '購票人姓名'：'xxx'"}
]
}
]
}'響應樣本
DashScope
Python
import os
import dashscope
PROMPT_TICKET_EXTRACTION = """
請提取車票映像中的發票號碼、車次、起始站、終點站、發車日期和時間點、座位號、席別類型、票價、社會安全號碼碼、購票人姓名。
要求準確無誤的提取上述關鍵資訊、不要遺漏和捏造虛假資訊，模糊或者強光遮擋的單個文字可以用英文問號?代替。
返回資料格式以json方式輸出，格式為：{'發票號碼'：'xxx', '車次'：'xxx', '起始站'：'xxx', '終點站'：'xxx', '發車日期和時間點'：'xxx', '座位號'：'xxx', '席別類型'：'xxx','票價':'xxx', '社會安全號碼碼'：'xxx', '購票人姓名'：'xxx'"},
"""
# 以下為新加坡地區 base_url，若使用維吉尼亞地區模型，需要將 base_url 換成 https://dashscope-us.aliyuncs.com/api/v1
# 若使用北京地區模型，需要將 base_url換成 https://dashscope.aliyuncs.com/api/v1
dashscope.base_http_api_url = 'https://dashscope-intl.aliyuncs.com/api/v1'
messages = [{
"role": "user",
"content": [{
"image": "https://img.alicdn.com/imgextra/i2/O1CN01ktT8451iQutqReELT_!!6000000004408-0-tps-689-487.jpg",
# 輸入映像的最小像素閾值，小於該值映像會進行放大，直到總像素大於min_pixels
"min_pixels": 32 * 32 * 3,
# 輸入映像的最大像素閾值，超過該值映像會縮小，直到總像素低於max_pixels
"max_pixels": 32 * 32 * 8192,
# 是否開啟映像自動轉正功能
"enable_rotate": False
},
# 未設定內建任務時，支援在text欄位中傳入Prompt，若未傳入則使用預設的Prompt：Please output only the text content from the image without any additional descriptions or formatting.
{"type": "text", "text": PROMPT_TICKET_EXTRACTION}]
}]
try:
response = dashscope.MultiModalConversation.call(
# 各地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
# 若沒有配置環境變數，請用百鍊API Key將下行替換為：api_key="sk-xxx",
api_key=os.getenv('DASHSCOPE_API_KEY'),
model='qwen-vl-ocr-2025-11-20',
messages=messages
)
print(response["output"]["choices"][0]["message"].content[0]["text"])
except Exception as e:
print(f"An error occurred: {e}")Java
import java.util.Arrays;
import java.util.Collections;
import java.util.Map;
import java.util.HashMap;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversation;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationParam;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationResult;
import com.alibaba.dashscope.common.MultiModalMessage;
import com.alibaba.dashscope.common.Role;
import com.alibaba.dashscope.exception.ApiException;
import com.alibaba.dashscope.exception.NoApiKeyException;
import com.alibaba.dashscope.exception.UploadFileException;
import com.alibaba.dashscope.utils.Constants;
public class Main {
static {
// 以下為新加坡地區base_url，若使用維吉尼亞地區模型，需要將base_url換成 https://dashscope-us.aliyuncs.com/api/v1
// 若使用北京地區模型，需要將base_url換成 https://dashscope.aliyuncs.com/api/v1
Constants.baseHttpApiUrl="https://dashscope-intl.aliyuncs.com/api/v1";
}
public static void simpleMultiModalConversationCall()
throws ApiException, NoApiKeyException, UploadFileException {
MultiModalConversation conv = new MultiModalConversation();
Map<String, Object> map = new HashMap<>();
map.put("image", "https://img.alicdn.com/imgextra/i2/O1CN01ktT8451iQutqReELT_!!6000000004408-0-tps-689-487.jpg");
// 輸入映像的最大像素閾值，超過該值映像會進行縮小，直到總像素低於max_pixels
map.put("max_pixels", 8388608);
// 輸入映像的最小像素閾值，小於該值映像會進行放大，直到總像素大於min_pixels
map.put("min_pixels", 3072);
// 是否開啟映像自動轉正功能
map.put("enable_rotate", false);
MultiModalMessage userMessage = MultiModalMessage.builder().role(Role.USER.getValue())
.content(Arrays.asList(
map,
// 未設定內建任務時，支援在text欄位中傳入Prompt，若未傳入則使用預設的Prompt：Please output only the text content from the image without any additional descriptions or formatting.
Collections.singletonMap("text", "請提取車票映像中的發票號碼、車次、起始站、終點站、發車日期和時間點、座位號、席別類型、票價、社會安全號碼碼、購票人姓名。要求準確無誤的提取上述關鍵資訊、不要遺漏和捏造虛假資訊，模糊或者強光遮擋的單個文字可以用英文問號?代替。返回資料格式以json方式輸出，格式為：{'發票號碼'：'xxx', '車次'：'xxx', '起始站'：'xxx', '終點站'：'xxx', '發車日期和時間點'：'xxx', '座位號'：'xxx', '席別類型'：'xxx','票價':'xxx', '社會安全號碼碼'：'xxx', '購票人姓名'：'xxx'"))).build();
MultiModalConversationParam param = MultiModalConversationParam.builder()
// 各地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
// 若沒有配置環境變數，請用百鍊API Key將下行替換為：.apiKey("sk-xxx")
.apiKey(System.getenv("DASHSCOPE_API_KEY"))
.model("qwen-vl-ocr-2025-11-20")
.message(userMessage)
.build();
MultiModalConversationResult result = conv.call(param);
System.out.println(result.getOutput().getChoices().get(0).getMessage().getContent().get(0).get("text"));
}
public static void main(String[] args) {
try {
simpleMultiModalConversationCall();
} catch (ApiException | NoApiKeyException | UploadFileException e) {
System.out.println(e.getMessage());
}
System.exit(0);
}
}curl
# ======= 重要提示 =======
# 各地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
# 以下為新加坡地區base_url，若使用維吉尼亞地區模型，需要將base_url換成 https://dashscope-us.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation
# 若使用北京地區模型，需要將base_url換成 https://dashscope.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation
# === 執行時請刪除該注釋 ===
curl --location 'https://dashscope-intl.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation'\
--header "Authorization: Bearer $DASHSCOPE_API_KEY"\
--header 'Content-Type: application/json'\
--data '{
"model": "qwen-vl-ocr-2025-11-20",
"input": {
"messages": [
{
"role": "user",
"content": [{
"image": "https://img.alicdn.com/imgextra/i2/O1CN01ktT8451iQutqReELT_!!6000000004408-0-tps-689-487.jpg",
"min_pixels": 3072,
"max_pixels": 8388608,
"enable_rotate": false
},
{
"text": "請提取車票映像中的發票號碼、車次、起始站、終點站、發車日期和時間點、座位號、席別類型、票價、社會安全號碼碼、購票人姓名。要求準確無誤的提取上述關鍵資訊、不要遺漏和捏造虛假資訊，模糊或者強光遮擋的單個文字可以用英文問號?代替。返回資料格式以json方式輸出，格式為：{'發票號碼'：'xxx', '車次'：'xxx', '起始站'：'xxx', '終點站'：'xxx', '發車日期和時間點'：'xxx', '座位號'：'xxx', '席別類型'：'xxx','票價':'xxx', '社會安全號碼碼'：'xxx', '購票人姓名'：'xxx'"
}
]
}
]
}
}'調用內建任務
為簡化特定情境下的調用，模型（除qwen-vl-ocr-2024-10-28外）內建了多種任務。
使用方法：
Dashscope SDK：您無需設計和傳入
Prompt，模型內部會採用固定的Prompt，設定ocr_options參數即可調用內建任務。OpenAI 相容 SDK：您需手動填寫任務指定的
Prompt。
下表列出了各內建任務對應的task的取值、指定的Prompt、輸出格式與樣本：
高精識別
建議優先使用qwen-vl-ocr-2025-08-28以後更新的或最新版模型調用高精識別任務，該任務具有以下特性：
識別常值內容（提取文字）
檢測文本位置（定位文本行、輸出座標）
擷取文本邊界框的座標後，可參見常見問題將邊界框繪製到原圖上。
task的取值 | 指定的Prompt | 輸出格式與樣本 |
| 定位所有的文字行，並且返迴旋轉矩形 |
|
import os
import dashscope
# 以下為新加坡地區base_url，若使用維吉尼亞地區模型，需要將base_url換成 https://dashscope-us.aliyuncs.com/api/v1
# 若使用北京地區模型，需要將base_url換成 https://dashscope.aliyuncs.com/api/v1
dashscope.base_http_api_url = 'https://dashscope-intl.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",
# 輸入映像的最小像素閾值，小於該值映像會進行放大，直到總像素大於min_pixels
"min_pixels": 32 * 32 * 3,
# 輸入映像的最大像素閾值，超過該值映像會進行縮小，直到總像素低於max_pixels
"max_pixels": 32 * 32 * 8192,
# 是否開啟映像自動轉正功能
"enable_rotate": False}]
}]
response = dashscope.MultiModalConversation.call(
# 若沒有配置環境變數，請用百鍊API Key將下行替換為：api_key="sk-xxx",
api_key=os.getenv('DASHSCOPE_API_KEY'),
model='qwen-vl-ocr-2025-11-20',
messages=messages,
# 設定內建任務為高精識別
ocr_options={"task": "advanced_recognition"}
)
# 高精識別任務以純文字返回結果
print(response["output"]["choices"][0]["message"].content[0]["text"])// dashscope SDK的版本 >= 2.21.8
import java.util.Arrays;
import java.util.Collections;
import java.util.Map;
import java.util.HashMap;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversation;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationParam;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationResult;
import com.alibaba.dashscope.aigc.multimodalconversation.OcrOptions;
import com.alibaba.dashscope.common.MultiModalMessage;
import com.alibaba.dashscope.common.Role;
import com.alibaba.dashscope.exception.ApiException;
import com.alibaba.dashscope.exception.NoApiKeyException;
import com.alibaba.dashscope.exception.UploadFileException;
import com.alibaba.dashscope.utils.Constants;
public class Main {
static {
// 以下為新加坡地區base_url，若使用維吉尼亞地區模型，需要將base_url換成 https://dashscope-us.aliyuncs.com/api/v1
// 若使用北京地區模型，需要將base_url換成 https://dashscope.aliyuncs.com/api/v1
Constants.baseHttpApiUrl="https://dashscope-intl.aliyuncs.com/api/v1";
}
public static void simpleMultiModalConversationCall()
throws ApiException, NoApiKeyException, UploadFileException {
MultiModalConversation conv = new MultiModalConversation();
Map<String, Object> map = new HashMap<>();
map.put("image", "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20241108/ctdzex/biaozhun.jpg");
// 輸入映像的最大像素閾值，超過該值映像會進行縮小，直到總像素低於max_pixels
map.put("max_pixels", 8388608);
// 輸入映像的最小像素閾值，小於該值映像會進行放大，直到總像素大於min_pixels
map.put("min_pixels", 3072);
// 是否開啟映像自動轉正功能
map.put("enable_rotate", false);
// 配置內建的OCR任務
OcrOptions ocrOptions = OcrOptions.builder()
.task(OcrOptions.Task.ADVANCED_RECOGNITION)
.build();
MultiModalMessage userMessage = MultiModalMessage.builder().role(Role.USER.getValue())
.content(Arrays.asList(
map
)).build();
MultiModalConversationParam param = MultiModalConversationParam.builder()
// 若沒有配置環境變數，請用百鍊API Key將下行替換為：.apiKey("sk-xxx")
.apiKey(System.getenv("DASHSCOPE_API_KEY"))
.model("qwen-vl-ocr-2025-11-20")
.message(userMessage)
.ocrOptions(ocrOptions)
.build();
MultiModalConversationResult result = conv.call(param);
System.out.println(result.getOutput().getChoices().get(0).getMessage().getContent().get(0).get("text"));
}
public static void main(String[] args) {
try {
simpleMultiModalConversationCall();
} catch (ApiException | NoApiKeyException | UploadFileException e) {
System.out.println(e.getMessage());
}
System.exit(0);
}
}# ======= 重要提示 =======
# 各地區的API Key不同。擷取API Key：# 各地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
# 以下為新加坡地區base_url，若使用維吉尼亞地區模型，需要將base_url換成 https://dashscope-us.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation
# 若使用北京地區模型，需要將base_url換成 https://dashscope.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation
# === 執行時請刪除該注釋 ===
curl --location 'https://dashscope-intl.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' \
--data '
{
"model": "qwen-vl-ocr-2025-11-20",
"input": {
"messages": [
{
"role": "user",
"content": [
{
"image": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20241108/ctdzex/biaozhun.jpg",
"min_pixels": 3072,
"max_pixels": 8388608,
"enable_rotate": false
}
]
}
]
},
"parameters": {
"ocr_options": {
"task": "advanced_recognition"
}
}
}
'資訊抽取
該模型支援從票據、證件、表單等文檔中提取結構化資訊，並以JSON格式返回結果。使用者可選擇兩種模式：
自訂欄位抽取：指定需要提取的特定欄位，需在
ocr_options.task_config參數中指定一個自訂的 JSON 模板（result_schema），定義需要提取的特定欄位名（key）。模型將自動填滿對應的值（value）。模板最多支援 3 層嵌套。全欄位抽取：若未指定
result_schema參數，模型將提取映像中的所有欄位。
兩種模式對應的Prompt不同：
task的取值 | 指定的Prompt | 輸出格式與樣本 |
| 自訂欄位抽取： |
|
全欄位抽取： |
|
以下是通過Dashscope SDK 及 HTTP 方式調用的範例程式碼：
# use [pip install -U dashscope] to update sdk
import os
import dashscope
# 以下為新加坡地區base_url，若使用維吉尼亞地區模型，需要將base_url換成 https://dashscope-us.aliyuncs.com/api/v1
# 若使用北京地區模型，需要將base_url換成 https://dashscope.aliyuncs.com/api/v1
dashscope.base_http_api_url = 'https://dashscope-intl.aliyuncs.com/api/v1'
messages = [
{
"role":"user",
"content":[
{
"image":"http://duguang-labelling.oss-cn-shanghai.aliyuncs.com/demo_ocr/receipt_zh_demo.jpg",
"min_pixels": 3072,
"max_pixels": 8388608,
"enable_rotate": False
}
]
}
]
params = {
"ocr_options":{
"task": "key_information_extraction",
"task_config": {
"result_schema": {
"乘車日期": "對應圖中乘車日期時間，格式為年-月-日，比如2025-03-05",
"發票代碼": "提取圖中的發票代碼，通常為一組數字或字母組合",
"發票號碼": "提取發票上的號碼，通常由純數字組成。"
}
}
}
}
response = dashscope.MultiModalConversation.call(
# 各地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
api_key=os.getenv('DASHSCOPE_API_KEY'),
model='qwen-vl-ocr-2025-11-20',
messages=messages,
**params)
print(response.output.choices[0].message.content[0]["ocr_result"])import java.util.Arrays;
import java.util.Collections;
import java.util.Map;
import java.util.HashMap;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversation;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationParam;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationResult;
import com.alibaba.dashscope.aigc.multimodalconversation.OcrOptions;
import com.alibaba.dashscope.common.MultiModalMessage;
import com.alibaba.dashscope.common.Role;
import com.alibaba.dashscope.exception.ApiException;
import com.alibaba.dashscope.exception.NoApiKeyException;
import com.alibaba.dashscope.exception.UploadFileException;
import com.google.gson.JsonObject;
import com.alibaba.dashscope.utils.Constants;
public class Main {
static {
// 以下為新加坡地區base_url，若使用維吉尼亞地區模型，需要將base_url換成 https://dashscope-us.aliyuncs.com/api/v1
// 若使用北京地區模型，需要將base_url換成 https://dashscope.aliyuncs.com/api/v1
Constants.baseHttpApiUrl="https://dashscope-intl.aliyuncs.com/api/v1";
}
public static void simpleMultiModalConversationCall()
throws ApiException, NoApiKeyException, UploadFileException {
MultiModalConversation conv = new MultiModalConversation();
Map<String, Object> map = new HashMap<>();
map.put("image", "http://duguang-labelling.oss-cn-shanghai.aliyuncs.com/demo_ocr/receipt_zh_demo.jpg");
// 輸入映像的最大像素閾值，超過該值映像會進行縮小，直到總像素低於max_pixels
map.put("max_pixels", 8388608);
// 輸入映像的最小像素閾值，小於該值映像會進行放大，直到總像素大於min_pixels
map.put("min_pixels", 3072);
// 是否開啟映像自動轉正功能
map.put("enable_rotate", false);
MultiModalMessage userMessage = MultiModalMessage.builder().role(Role.USER.getValue())
.content(Arrays.asList(
map
)).build();
// 建立主JSON對象
JsonObject resultSchema = new JsonObject();
resultSchema.addProperty("乘車日期", "對應圖中乘車日期時間，格式為年-月-日，比如2025-03-05");
resultSchema.addProperty("發票代碼", "提取圖中的發票代碼，通常為一組數字或字母組合");
resultSchema.addProperty("發票號碼", "提取發票上的號碼，通常由純數字組成。");
// 配置內建的OCR任務
OcrOptions ocrOptions = OcrOptions.builder()
.task(OcrOptions.Task.KEY_INFORMATION_EXTRACTION)
.taskConfig(OcrOptions.TaskConfig.builder()
.resultSchema(resultSchema)
.build())
.build();
MultiModalConversationParam param = MultiModalConversationParam.builder()
// 各地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
// 若沒有配置環境變數，請用百鍊API Key將下行替換為：.apiKey("sk-xxx")
.apiKey(System.getenv("DASHSCOPE_API_KEY"))
.model("qwen-vl-ocr-2025-11-20")
.message(userMessage)
.ocrOptions(ocrOptions)
.build();
MultiModalConversationResult result = conv.call(param);
System.out.println(result.getOutput().getChoices().get(0).getMessage().getContent().get(0).get("ocr_result"));
}
public static void main(String[] args) {
try {
simpleMultiModalConversationCall();
} catch (ApiException | NoApiKeyException | UploadFileException e) {
System.out.println(e.getMessage());
}
System.exit(0);
}
}# ======= 重要提示 =======
# 各地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
# 以下為新加坡地區base_url，若使用維吉尼亞地區模型，需要將base_url換成https://dashscope-us.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation
# 若使用北京地區模型，需要將base_url換成 https://dashscope.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation
# === 執行時請刪除該注釋 ===
curl --location 'https://dashscope-intl.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' \
--data '
{
"model": "qwen-vl-ocr-2025-11-20",
"input": {
"messages": [
{
"role": "user",
"content": [
{
"image": "http://duguang-labelling.oss-cn-shanghai.aliyuncs.com/demo_ocr/receipt_zh_demo.jpg",
"min_pixels": 3072,
"max_pixels": 8388608,
"enable_rotate": false
}
]
}
]
},
"parameters": {
"ocr_options": {
"task": "key_information_extraction",
"task_config": {
"result_schema": {
"乘車日期": "對應圖中乘車日期時間，格式為年-月-日，比如2025-03-05",
"發票代碼": "提取圖中的發票代碼，通常為一組數字或字母組合",
"發票號碼": "提取發票上的號碼，通常由純數字組成。"
}
}
}
}
}
'若使用OpenAI SDK及HTTP方式調用，自訂的 JSON schema 拼接到 Prompt 字串的末尾，參考代碼如下：
表格解析
模型會對映像中的表格元素進行解析，以帶有HTML格式的文本返回識別結果。
task的取值 | 指定的Prompt | 輸出格式與樣本 |
|
|
|
以下是通過Dashscope SDK 及 HTTP 方式調用的範例程式碼：
import os
import dashscope
# 以下為新加坡地區base_url，若使用維吉尼亞地區模型，需要將base_url換成 https://dashscope-us.aliyuncs.com/api/v1
# 若使用北京地區模型，需要將base_url換成 https://dashscope.aliyuncs.com/api/v1
dashscope.base_http_api_url = 'https://dashscope-intl.aliyuncs.com/api/v1'
messages = [{
"role": "user",
"content": [{
"image": "http://duguang-llm.oss-cn-hangzhou.aliyuncs.com/llm_data_keeper/data/doc_parsing/tables/photo/eng/17.jpg",
# 輸入映像的最小像素閾值，小於該值映像會進行放大，直到總像素大於min_pixels
"min_pixels": 32 * 32 * 3,
# 輸入映像的最大像素閾值，超過該值映像會進行縮小，直到總像素低於max_pixels
"max_pixels": 32 * 32 * 8192,
# 是否開啟映像自動轉正功能
"enable_rotate": False}]
}]
response = dashscope.MultiModalConversation.call(
# 各地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
# 若沒有配置環境變數，請用百鍊API Key將下行替換為：api_key="sk-xxx",
api_key=os.getenv('DASHSCOPE_API_KEY'),
model='qwen-vl-ocr-2025-11-20',
messages=messages,
# 設定內建任務為表格解析
ocr_options= {"task": "table_parsing"}
)
# 表格解析任務以HTML格式返回結果
print(response["output"]["choices"][0]["message"].content[0]["text"])import java.util.Arrays;
import java.util.Collections;
import java.util.Map;
import java.util.HashMap;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversation;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationParam;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationResult;
import com.alibaba.dashscope.aigc.multimodalconversation.OcrOptions;
import com.alibaba.dashscope.common.MultiModalMessage;
import com.alibaba.dashscope.common.Role;
import com.alibaba.dashscope.exception.ApiException;
import com.alibaba.dashscope.exception.NoApiKeyException;
import com.alibaba.dashscope.exception.UploadFileException;
import com.alibaba.dashscope.utils.Constants;
public class Main {
static {
// 以下為新加坡地區base_url，若使用維吉尼亞地區模型，需要將base_url換成 https://dashscope-us.aliyuncs.com/api/v1
// 若使用北京地區模型，需要將base_url換成 https://dashscope.aliyuncs.com/api/v1
Constants.baseHttpApiUrl="https://dashscope-intl.aliyuncs.com/api/v1";
}
public static void simpleMultiModalConversationCall()
throws ApiException, NoApiKeyException, UploadFileException {
MultiModalConversation conv = new MultiModalConversation();
Map<String, Object> map = new HashMap<>();
map.put("image", "https://duguang-llm.oss-cn-hangzhou.aliyuncs.com/llm_data_keeper/data/doc_parsing/tables/photo/eng/17.jpg");
// 輸入映像的最大像素閾值，超過該值映像會進行縮小，直到總像素低於max_pixels
map.put("max_pixels", 8388608);
// 輸入映像的最小像素閾值，小於該值映像會進行放大，直到總像素大於min_pixels
map.put("min_pixels",3072);
// 是否開啟映像自動轉正功能
map.put("enable_rotate", false);
// 配置內建的OCR任務
OcrOptions ocrOptions = OcrOptions.builder()
.task(OcrOptions.Task.TABLE_PARSING)
.build();
MultiModalMessage userMessage = MultiModalMessage.builder().role(Role.USER.getValue())
.content(Arrays.asList(
map
)).build();
MultiModalConversationParam param = MultiModalConversationParam.builder()
// 各地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
// 若沒有配置環境變數，請用百鍊API Key將下行替換為：.apiKey("sk-xxx")
.apiKey(System.getenv("DASHSCOPE_API_KEY"))
.model("qwen-vl-ocr-2025-11-20")
.message(userMessage)
.ocrOptions(ocrOptions)
.build();
MultiModalConversationResult result = conv.call(param);
System.out.println(result.getOutput().getChoices().get(0).getMessage().getContent().get(0).get("text"));
}
public static void main(String[] args) {
try {
simpleMultiModalConversationCall();
} catch (ApiException | NoApiKeyException | UploadFileException e) {
System.out.println(e.getMessage());
}
System.exit(0);
}
}# ======= 重要提示 =======
# 各地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
# 以下為新加坡地區base_url，若使用維吉尼亞地區模型，需要將base_url換成 https://dashscope-us.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation
# 若使用北京地區模型，需要將base_url換成 https://dashscope.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation
# === 執行時請刪除該注釋 ===
curl --location 'https://dashscope-intl.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' \
--data '
{
"model": "qwen-vl-ocr-2025-11-20",
"input": {
"messages": [
{
"role": "user",
"content": [
{
"image": "http://duguang-llm.oss-cn-hangzhou.aliyuncs.com/llm_data_keeper/data/doc_parsing/tables/photo/eng/17.jpg",
"min_pixels": 3072,
"max_pixels": 8388608,
"enable_rotate": false
}
]
}
]
},
"parameters": {
"ocr_options": {
"task": "table_parsing"
}
}
}
'文檔解析
模型支援解析以映像形式儲存的掃描件或PDF文檔，能識別檔案中的標題、摘要、標籤等，以帶有LaTeX格式的文本返回識別結果。
task的取值 | 指定的Prompt | 輸出格式與樣本 |
|
|
|
以下是通過 Dashscope SDK及 HTTP 方式調用的範例程式碼：
import os
import dashscope
# 以下為新加坡地區base_url，若使用維吉尼亞地區模型，需要將base_url換成 https://dashscope-us.aliyuncs.com/api/v1
# 若使用北京地區模型，需要將base_url換成 https://dashscope.aliyuncs.com/api/v1
dashscope.base_http_api_url = 'https://dashscope-intl.aliyuncs.com/api/v1'
messages = [{
"role": "user",
"content": [{
"image": "https://img.alicdn.com/imgextra/i1/O1CN01ukECva1cisjyK6ZDK_!!6000000003635-0-tps-1500-1734.jpg",
# 輸入映像的最小像素閾值，小於該值映像會進行放大，直到總像素大於min_pixels
"min_pixels": 32 * 32 * 3,
# 輸入映像的最大像素閾值，超過該值映像會進行縮小，直到總像素低於max_pixels
"max_pixels": 32 * 32 * 8192,
# 是否開啟映像自動轉正功能
"enable_rotate": False}]
}]
response = dashscope.MultiModalConversation.call(
# 各地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
# 若沒有配置環境變數，請用百鍊API Key將下行替換為：api_key="sk-xxx",
api_key=os.getenv('DASHSCOPE_API_KEY'),
model='qwen-vl-ocr-2025-11-20',
messages=messages,
# 設定內建任務為文檔解析
ocr_options= {"task": "document_parsing"}
)
# 文檔解析任務以LaTeX格式返回結果
print(response["output"]["choices"][0]["message"].content[0]["text"])import java.util.Arrays;
import java.util.Collections;
import java.util.Map;
import java.util.HashMap;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversation;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationParam;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationResult;
import com.alibaba.dashscope.aigc.multimodalconversation.OcrOptions;
import com.alibaba.dashscope.common.MultiModalMessage;
import com.alibaba.dashscope.common.Role;
import com.alibaba.dashscope.exception.ApiException;
import com.alibaba.dashscope.exception.NoApiKeyException;
import com.alibaba.dashscope.exception.UploadFileException;
import com.alibaba.dashscope.utils.Constants;
public class Main {
static {
// 以下為新加坡地區base_url，若使用維吉尼亞地區模型，需要將base_url換成 https://dashscope-us.aliyuncs.com/api/v1
// 若使用北京地區模型，需要將base_url換成 https://dashscope.aliyuncs.com/api/v1
Constants.baseHttpApiUrl="https://dashscope-intl.aliyuncs.com/api/v1";
}
public static void simpleMultiModalConversationCall()
throws ApiException, NoApiKeyException, UploadFileException {
MultiModalConversation conv = new MultiModalConversation();
Map<String, Object> map = new HashMap<>();
map.put("image", "https://img.alicdn.com/imgextra/i1/O1CN01ukECva1cisjyK6ZDK_!!6000000003635-0-tps-1500-1734.jpg");
// 輸入映像的最大像素閾值，超過該值映像會進行縮小，直到總像素低於max_pixels
map.put("max_pixels", 8388608);
// 輸入映像的最小像素閾值，小於該值映像會進行放大，直到總像素大於min_pixels
map.put("min_pixels", 3072);
// 是否開啟映像自動轉正功能
map.put("enable_rotate", false);
// 配置內建的OCR任務
OcrOptions ocrOptions = OcrOptions.builder()
.task(OcrOptions.Task.DOCUMENT_PARSING)
.build();
MultiModalMessage userMessage = MultiModalMessage.builder().role(Role.USER.getValue())
.content(Arrays.asList(
map
)).build();
MultiModalConversationParam param = MultiModalConversationParam.builder()
// 各地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
// 若沒有配置環境變數，請用百鍊API Key將下行替換為：.apiKey("sk-xxx")
.apiKey(System.getenv("DASHSCOPE_API_KEY"))
.model("qwen-vl-ocr-2025-11-20")
.message(userMessage)
.ocrOptions(ocrOptions)
.build();
MultiModalConversationResult result = conv.call(param);
System.out.println(result.getOutput().getChoices().get(0).getMessage().getContent().get(0).get("text"));
}
public static void main(String[] args) {
try {
simpleMultiModalConversationCall();
} catch (ApiException | NoApiKeyException | UploadFileException e) {
System.out.println(e.getMessage());
}
System.exit(0);
}
}# ======= 重要提示 =======
# 各地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
# 以下為新加坡地區base_url，若使用維吉尼亞地區模型，需要將base_url換成 https://dashscope-us.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation
# 若使用北京地區模型，需要將base_url換成 https://dashscope.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation
# === 執行時請刪除該注釋 ===
curl --location 'https://dashscope-intl.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation'\
--header "Authorization: Bearer $DASHSCOPE_API_KEY"\
--header 'Content-Type: application/json'\
--data '{
"model": "qwen-vl-ocr-2025-11-20",
"input": {
"messages": [
{
"role": "user",
"content": [{
"image": "https://img.alicdn.com/imgextra/i1/O1CN01ukECva1cisjyK6ZDK_!!6000000003635-0-tps-1500-1734.jpg",
"min_pixels": 3072,
"max_pixels": 8388608,
"enable_rotate": false
}
]
}
]
},
"parameters": {
"ocr_options": {
"task": "document_parsing"
}
}
}
'公式識別
模型支援解析映像中的公式，以帶有LaTeX格式的文本返回識別結果。
task的取值 | 指定的Prompt | 輸出格式與樣本 |
|
|
|
以下是通過 Dashscope SDK及 HTTP 方式調用的範例程式碼：
import os
import dashscope
# 以下為新加坡地區base_url，若使用維吉尼亞地區模型，需要將base_url換成 https://dashscope-us.aliyuncs.com/api/v1
# 若使用北京地區模型，需要將base_url換成 https://dashscope.aliyuncs.com/api/v1
dashscope.base_http_api_url = 'https://dashscope-intl.aliyuncs.com/api/v1'
messages = [{
"role": "user",
"content": [{
"image": "http://duguang-llm.oss-cn-hangzhou.aliyuncs.com/llm_data_keeper/data/formula_handwriting/test/inline_5_4.jpg",
# 輸入映像的最小像素閾值，小於該值映像會進行放大，直到總像素大於min_pixels
"min_pixels": 32 * 32 * 3,
# 輸入映像的最大像素閾值，超過該值映像會進行縮小，直到總像素低於max_pixels
"max_pixels": 32 * 32 * 8192,
# 是否開啟映像自動轉正功能
"enable_rotate": False
}]
}]
response = dashscope.MultiModalConversation.call(
# 各地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
# 若沒有配置環境變數，請用百鍊API Key將下行替換為：api_key="sk-xxx",
api_key=os.getenv('DASHSCOPE_API_KEY'),
model='qwen-vl-ocr-2025-11-20',
messages=messages,
# 設定內建任務為公式識別
ocr_options= {"task": "formula_recognition"}
)
# 公式識別任務以LaTeX格式返回結果
print(response["output"]["choices"][0]["message"].content[0]["text"])import java.util.Arrays;
import java.util.Collections;
import java.util.Map;
import java.util.HashMap;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversation;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationParam;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationResult;
import com.alibaba.dashscope.aigc.multimodalconversation.OcrOptions;
import com.alibaba.dashscope.common.MultiModalMessage;
import com.alibaba.dashscope.common.Role;
import com.alibaba.dashscope.exception.ApiException;
import com.alibaba.dashscope.exception.NoApiKeyException;
import com.alibaba.dashscope.exception.UploadFileException;
import com.alibaba.dashscope.utils.Constants;
public class Main {
static {
// 以下為新加坡地區base_url，若使用維吉尼亞地區模型，需要將base_url換成 https://dashscope-us.aliyuncs.com/api/v1
// 若使用北京地區模型，需要將base_url換成 https://dashscope.aliyuncs.com/api/v1
Constants.baseHttpApiUrl="https://dashscope-intl.aliyuncs.com/api/v1";
}
public static void simpleMultiModalConversationCall()
throws ApiException, NoApiKeyException, UploadFileException {
MultiModalConversation conv = new MultiModalConversation();
Map<String, Object> map = new HashMap<>();
map.put("image", "http://duguang-llm.oss-cn-hangzhou.aliyuncs.com/llm_data_keeper/data/formula_handwriting/test/inline_5_4.jpg");
// 輸入映像的最大像素閾值，超過該值映像會進行縮小，直到總像素低於max_pixels
map.put("max_pixels", 8388608);
// 輸入映像的最小像素閾值，小於該值映像會進行放大，直到總像素大於min_pixels
map.put("min_pixels", 3072);
// 是否開啟映像自動轉正功能
map.put("enable_rotate", false);
// 配置內建的OCR任務
OcrOptions ocrOptions = OcrOptions.builder()
.task(OcrOptions.Task.FORMULA_RECOGNITION)
.build();
MultiModalMessage userMessage = MultiModalMessage.builder().role(Role.USER.getValue())
.content(Arrays.asList(
map
)).build();
MultiModalConversationParam param = MultiModalConversationParam.builder()
// 各地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
// 若沒有配置環境變數，請用百鍊API Key將下行替換為：.apiKey("sk-xxx")
.apiKey(System.getenv("DASHSCOPE_API_KEY"))
.model("qwen-vl-ocr-2025-11-20")
.message(userMessage)
.ocrOptions(ocrOptions)
.build();
MultiModalConversationResult result = conv.call(param);
System.out.println(result.getOutput().getChoices().get(0).getMessage().getContent().get(0).get("text"));
}
public static void main(String[] args) {
try {
simpleMultiModalConversationCall();
} catch (ApiException | NoApiKeyException | UploadFileException e) {
System.out.println(e.getMessage());
}
System.exit(0);
}
}# ======= 重要提示 =======
# 各地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
# 以下為新加坡地區base_url，若使用維吉尼亞地區模型，需要將base_url換成 https://dashscope-us.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation
# 若使用北京地區模型，需要將base_url換成 https://dashscope.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation
# === 執行時請刪除該注釋 ===
curl --location 'https://dashscope-intl.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' \
--data '
{
"model": "qwen-vl-ocr",
"input": {
"messages": [
{
"role": "user",
"content": [
{
"image": "http://duguang-llm.oss-cn-hangzhou.aliyuncs.com/llm_data_keeper/data/formula_handwriting/test/inline_5_4.jpg",
"min_pixels": 3072,
"max_pixels": 8388608,
"enable_rotate": false
}
]
}
]
},
"parameters": {
"ocr_options": {
"task": "formula_recognition"
}
}
}
'通用文字識別
通用文字識別主要用於對中英文情境，以純文字格式返回識別結果。
task的取值 | 指定的Prompt | 輸出格式與樣本 |
|
|
|
以下是通過 Dashscope SDK 及 HTTP 方式調用的範例程式碼：
import os
import dashscope
# 以下為新加坡地區base_url，若使用維吉尼亞地區模型，需要將base_url換成 https://dashscope-us.aliyuncs.com/api/v1
# 若使用北京地區模型，需要將base_url換成 https://dashscope.aliyuncs.com/api/v1
dashscope.base_http_api_url = 'https://dashscope-intl.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",
# 輸入映像的最小像素閾值，小於該值映像會進行放大，直到總像素大於min_pixels
"min_pixels": 32 * 32 * 3,
# 輸入映像的最大像素閾值，超過該值映像會進行縮小，直到總像素低於max_pixels
"max_pixels": 32 * 32 * 8192,
# 是否開啟映像自動轉正功能
"enable_rotate": False}]
}]
response = dashscope.MultiModalConversation.call(
# 各地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
# 若沒有配置環境變數，請用百鍊API Key將下行替換為：api_key="sk-xxx",
api_key=os.getenv('DASHSCOPE_API_KEY'),
model='qwen-vl-ocr-2025-11-20',
messages=messages,
# 設定內建任務為通用文字識別
ocr_options= {"task": "text_recognition"}
)
# 通用文字識別任務以純文字格式返回結果
print(response["output"]["choices"][0]["message"].content[0]["text"])import java.util.Arrays;
import java.util.Collections;
import java.util.Map;
import java.util.HashMap;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversation;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationParam;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationResult;
import com.alibaba.dashscope.aigc.multimodalconversation.OcrOptions;
import com.alibaba.dashscope.common.MultiModalMessage;
import com.alibaba.dashscope.common.Role;
import com.alibaba.dashscope.exception.ApiException;
import com.alibaba.dashscope.exception.NoApiKeyException;
import com.alibaba.dashscope.exception.UploadFileException;
import com.alibaba.dashscope.utils.Constants;
public class Main {
static {
// 以下為新加坡地區base_url，若使用維吉尼亞地區模型，需要將base_url換成 https://dashscope-us.aliyuncs.com/api/v1
// 若使用北京地區模型，需要將base_url換成 https://dashscope.aliyuncs.com/api/v1
Constants.baseHttpApiUrl="https://dashscope-intl.aliyuncs.com/api/v1";
}
public static void simpleMultiModalConversationCall()
throws ApiException, NoApiKeyException, UploadFileException {
MultiModalConversation conv = new MultiModalConversation();
Map<String, Object> map = new HashMap<>();
map.put("image", "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20241108/ctdzex/biaozhun.jpg");
// 輸入映像的最大像素閾值，超過該值映像會進行縮小，直到總像素低於max_pixels
map.put("max_pixels", 8388608);
// 輸入映像的最小像素閾值，小於該值映像會進行放大，直到總像素大於min_pixels
map.put("min_pixels", 3072);
// 是否開啟映像自動轉正功能
map.put("enable_rotate", false);
// 配置內建任務
OcrOptions ocrOptions = OcrOptions.builder()
.task(OcrOptions.Task.TEXT_RECOGNITION)
.build();
MultiModalMessage userMessage = MultiModalMessage.builder().role(Role.USER.getValue())
.content(Arrays.asList(
map
)).build();
MultiModalConversationParam param = MultiModalConversationParam.builder()
// 各地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
// 若沒有配置環境變數，請用百鍊API Key將下行替換為：.apiKey("sk-xxx")
.apiKey(System.getenv("DASHSCOPE_API_KEY"))
.model("qwen-vl-ocr-2025-11-20")
.message(userMessage)
.ocrOptions(ocrOptions)
.build();
MultiModalConversationResult result = conv.call(param);
System.out.println(result.getOutput().getChoices().get(0).getMessage().getContent().get(0).get("text"));
}
public static void main(String[] args) {
try {
simpleMultiModalConversationCall();
} catch (ApiException | NoApiKeyException | UploadFileException e) {
System.out.println(e.getMessage());
}
System.exit(0);
}
}# ======= 重要提示 =======
# 各地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
# 以下為新加坡地區base_url，若使用維吉尼亞地區模型，需要將base_url換成 https://dashscope-us.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation
# 若使用北京地區模型，需要將base_url換成 https://dashscope.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation
# === 執行時請刪除該注釋 ===
curl --location 'https://dashscope-intl.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation'\
--header "Authorization: Bearer $DASHSCOPE_API_KEY"\
--header 'Content-Type: application/json'\
--data '{
"model": "qwen-vl-ocr-2025-11-20",
"input": {
"messages": [
{
"role": "user",
"content": [{
"image": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20241108/ctdzex/biaozhun.jpg",
"min_pixels": 3072,
"max_pixels": 8388608,
"enable_rotate": false
}
]
}
]
},
"parameters": {
"ocr_options": {
"task": "text_recognition"
}
}
}'多語言識別
多語言識別適用於中英文之外的小語種情境，支援的小語種有：阿拉伯語、法語、德語、意大利語、日語、韓語、葡萄牙語、俄語、西班牙語、越南語，以純文字格式返回識別結果。
task的取值 | 指定的Prompt | 輸出格式與樣本 |
|
|
|
以下是通過Dashscope SDK及HTTP方式調用的範例程式碼：
import os
import dashscope
# 以下為新加坡地區base_url，若使用維吉尼亞地區模型，需要將base_url換成 https://dashscope-us.aliyuncs.com/api/v1
# 若使用北京地區模型，需要將base_url換成 https://dashscope.aliyuncs.com/api/v1
dashscope.base_http_api_url = 'https://dashscope-intl.aliyuncs.com/api/v1'
messages = [{
"role": "user",
"content": [{
"image": "https://img.alicdn.com/imgextra/i2/O1CN01VvUMNP1yq8YvkSDFY_!!6000000006629-2-tps-6000-3000.png",
# 輸入映像的最小像素閾值，小於該值映像會進行放大，直到總像素大於min_pixels
"min_pixels": 32 * 32 * 3,
# 輸入映像的最大像素閾值，超過該值映像會進行縮小，直到總像素低於max_pixels
"max_pixels": 32 * 32 * 8192,
# 是否開啟映像自動轉正功能
"enable_rotate": False}]
}]
response = dashscope.MultiModalConversation.call(
# 各地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
# 若沒有配置環境變數，請用百鍊API Key將下行替換為：api_key="sk-xxx",
api_key=os.getenv('DASHSCOPE_API_KEY'),
model='qwen-vl-ocr-2025-11-20',
messages=messages,
# 設定內建任務為多語言識別
ocr_options={"task": "multi_lan"}
)
# 多語言識別任務以純文字的形式返回結果
print(response["output"]["choices"][0]["message"].content[0]["text"])import java.util.Arrays;
import java.util.Collections;
import java.util.Map;
import java.util.HashMap;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversation;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationParam;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationResult;
import com.alibaba.dashscope.aigc.multimodalconversation.OcrOptions;
import com.alibaba.dashscope.common.MultiModalMessage;
import com.alibaba.dashscope.common.Role;
import com.alibaba.dashscope.exception.ApiException;
import com.alibaba.dashscope.exception.NoApiKeyException;
import com.alibaba.dashscope.exception.UploadFileException;
import com.alibaba.dashscope.utils.Constants;
public class Main {
static {
// 以下為新加坡地區base_url，若使用維吉尼亞地區模型，需要將base_url換成 https://dashscope-us.aliyuncs.com/api/v1
// 若使用北京地區模型，需要將base_url換成 https://dashscope.aliyuncs.com/api/v1
Constants.baseHttpApiUrl="https://dashscope-intl.aliyuncs.com/api/v1";
}
public static void simpleMultiModalConversationCall()
throws ApiException, NoApiKeyException, UploadFileException {
MultiModalConversation conv = new MultiModalConversation();
Map<String, Object> map = new HashMap<>();
map.put("image", "https://img.alicdn.com/imgextra/i2/O1CN01VvUMNP1yq8YvkSDFY_!!6000000006629-2-tps-6000-3000.png");
// 輸入映像的最大像素閾值，超過該值映像會進行縮小，直到總像素低於max_pixels
map.put("max_pixels", 8388608);
// 輸入映像的最小像素閾值，小於該值映像會進行放大，直到總像素大於min_pixels
map.put("min_pixels", 3072);
// 是否開啟映像自動轉正功能
map.put("enable_rotate", false);
// 配置內建的OCR任務
OcrOptions ocrOptions = OcrOptions.builder()
.task(OcrOptions.Task.MULTI_LAN)
.build();
MultiModalMessage userMessage = MultiModalMessage.builder().role(Role.USER.getValue())
.content(Arrays.asList(
map
)).build();
MultiModalConversationParam param = MultiModalConversationParam.builder()
// 各地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
// 若沒有配置環境變數，請用百鍊API Key將下行替換為：.apiKey("sk-xxx")
.apiKey(System.getenv("DASHSCOPE_API_KEY"))
.model("qwen-vl-ocr-2025-11-20")
.message(userMessage)
.ocrOptions(ocrOptions)
.build();
MultiModalConversationResult result = conv.call(param);
System.out.println(result.getOutput().getChoices().get(0).getMessage().getContent().get(0).get("text"));
}
public static void main(String[] args) {
try {
simpleMultiModalConversationCall();
} catch (ApiException | NoApiKeyException | UploadFileException e) {
System.out.println(e.getMessage());
}
System.exit(0);
}
}# ======= 重要提示 =======
# 各地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
# 以下為新加坡地區base_url，若使用維吉尼亞地區模型，需要將base_url換成 https://dashscope-us.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation
# 若使用北京地區模型，需要將base_url換成 https://dashscope.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation
# === 執行時請刪除該注釋 ===
curl --location 'https://dashscope-intl.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' \
--data '
{
"model": "qwen-vl-ocr-2025-11-20",
"input": {
"messages": [
{
"role": "user",
"content": [
{
"image": "https://img.alicdn.com/imgextra/i2/O1CN01VvUMNP1yq8YvkSDFY_!!6000000006629-2-tps-6000-3000.png",
"min_pixels": 3072,
"max_pixels": 8388608,
"enable_rotate": false
}
]
}
]
},
"parameters": {
"ocr_options": {
"task": "multi_lan"
}
}
}
'傳入本地檔案（Base 64 編碼或檔案路徑）
通義千問VL 提供兩種本地檔案上傳方式：Base 64 編碼上傳和檔案路徑直接上傳。可根據檔案大小、SDK類型選擇上傳方式，具體建議請參見如何選擇檔案上傳方式；兩種方式均需滿足映像限制中對檔案的要求。
Base64 編碼上傳
將檔案轉換為 Base 64 編碼字串，再傳入模型。適用於 OpenAI 和 DashScope SDK 及 HTTP 方式
檔案路徑上傳
直接向模型傳入本地檔案路徑。僅 DashScope Python 和 Java SDK 支援，不支援 DashScope HTTP 和 OpenAI 相容方式。
請您參考下表，結合您的程式設計語言與作業系統指定檔案的路徑。
檔案路徑傳入
傳入檔案路徑僅支援 DashScope Python 和 Java SDK方式調用，不支援 DashScope HTTP 和OpenAI 相容方式。
Python
import os
import dashscope
# 以下為新加坡地區base_url，若使用維吉尼亞地區模型，需要將base_url換成 https://dashscope-us.aliyuncs.com/api/v1
# 若使用北京地區模型，需要將base_url換成 https://dashscope.aliyuncs.com/api/v1
dashscope.base_http_api_url = 'https://dashscope-intl.aliyuncs.com/api/v1'
# 將xxxx/test.jpg替換為您本地映像的絕對路徑
local_path = "xxx/test.jpg"
image_path = f"file://{local_path}"
messages = [
{
"role": "user",
"content": [
{
"image": image_path,
# 輸入映像的最小像素閾值，小於該值映像會進行放大，直到總像素大於min_pixels
"min_pixels": 32 * 32 * 3,
# 輸入映像的最大像素閾值，超過該值映像會進行縮小，直到總像素低於max_pixels
"max_pixels": 32 * 32 * 8192,
},
# 模型在未設定內建任務時，支援在text欄位中傳入Prompt，若未傳入則使用預設的Prompt：Please output only the text content from the image without any additional descriptions or formatting.
{
"text": "請提取車票映像中的發票號碼、車次、起始站、終點站、發車日期和時間點、座位號、席別類型、票價、社會安全號碼碼、購票人姓名。要求準確無誤的提取上述關鍵資訊、不要遺漏和捏造虛假資訊，模糊或者強光遮擋的單個文字可以用英文問號?代替。返回資料格式以json方式輸出，格式為：{'發票號碼'：'xxx', '車次'：'xxx', '起始站'：'xxx', '終點站'：'xxx', '發車日期和時間點'：'xxx', '座位號'：'xxx', '席別類型'：'xxx','票價':'xxx', '社會安全號碼碼'：'xxx', '購票人姓名'：'xxx'"
},
],
}
]
response = dashscope.MultiModalConversation.call(
# 各地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
# 若沒有配置環境變數，請用百鍊API Key將下行替換為：api_key="sk-xxx"
api_key=os.getenv("DASHSCOPE_API_KEY"),
model="qwen-vl-ocr-2025-11-20",
messages=messages,
)
print(response["output"]["choices"][0]["message"].content[0]["text"])
Java
import java.util.Arrays;
import java.util.Collections;
import java.util.Map;
import java.util.HashMap;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversation;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationParam;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationResult;
import com.alibaba.dashscope.common.MultiModalMessage;
import com.alibaba.dashscope.common.Role;
import com.alibaba.dashscope.exception.ApiException;
import com.alibaba.dashscope.exception.NoApiKeyException;
import com.alibaba.dashscope.exception.UploadFileException;
import io.reactivex.Flowable;
import com.alibaba.dashscope.utils.Constants;
public class Main {
static {
// 以下為新加坡地區base_url，若使用維吉尼亞地區模型，需要將base_url換成 https://dashscope-us.aliyuncs.com/api/v1
// 若使用北京地區模型，需要將base_url換成 https://dashscope.aliyuncs.com/api/v1
Constants.baseHttpApiUrl="https://dashscope-intl.aliyuncs.com/api/v1";
}
public static void simpleMultiModalConversationCall(String localPath)
throws ApiException, NoApiKeyException, UploadFileException {
String filePath = "file://"+localPath;
MultiModalConversation conv = new MultiModalConversation();
Map<String, Object> map = new HashMap<>();
map.put("image", filePath);
// 輸入映像的最大像素閾值，超過該值映像會進行縮小，直到總像素低於max_pixels
map.put("max_pixels", 8388608);
// 輸入映像的最小像素閾值，小於該值映像會進行放大，直到總像素大於min_pixels
map.put("min_pixels", 3072);
MultiModalMessage userMessage = MultiModalMessage.builder().role(Role.USER.getValue())
.content(Arrays.asList(
map,
// 模型在未設定內建任務時，支援在text欄位中傳入Prompt，若未傳入則使用預設的Prompt：Please output only the text content from the image without any additional descriptions or formatting.
Collections.singletonMap("text", "請提取車票映像中的發票號碼、車次、起始站、終點站、發車日期和時間點、座位號、席別類型、票價、社會安全號碼碼、購票人姓名。要求準確無誤的提取上述關鍵資訊、不要遺漏和捏造虛假資訊，模糊或者強光遮擋的單個文字可以用英文問號?代替。返回資料格式以json方式輸出，格式為：{'發票號碼'：'xxx', '車次'：'xxx', '起始站'：'xxx', '終點站'：'xxx', '發車日期和時間點'：'xxx', '座位號'：'xxx', '席別類型'：'xxx','票價':'xxx', '社會安全號碼碼'：'xxx', '購票人姓名'：'xxx'"))).build();
MultiModalConversationParam param = MultiModalConversationParam.builder()
// 各地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
// 若沒有配置環境變數，請用百鍊API Key將下行替換為：.apiKey("sk-xxx")
.apiKey(System.getenv("DASHSCOPE_API_KEY"))
.model("qwen-vl-ocr-2025-11-20")
.message(userMessage)
.build();
MultiModalConversationResult result = conv.call(param);
System.out.println(result.getOutput().getChoices().get(0).getMessage().getContent().get(0).get("text"));
}
public static void main(String[] args) {
try {
// 將xxxx/test.jpg替換為您本地映像的絕對路徑
simpleMultiModalConversationCall("xxx/test.jpg");
} catch (ApiException | NoApiKeyException | UploadFileException e) {
System.out.println(e.getMessage());
}
System.exit(0);
}
}Base 64 編碼傳入
OpenAI 相容
Python
from openai import OpenAI
import os
import base64
# 讀取本地檔案，並編碼為 Base64 格式
def encode_image(image_path):
with open(image_path, "rb") as image_file:
return base64.b64encode(image_file.read()).decode("utf-8")
# 將xxxx/test.png替換為您本地映像的絕對路徑
base64_image = encode_image("xxx/test.png")
client = OpenAI(
# 各地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
# 若沒有配置環境變數，請用百鍊API Key將下行替換為：api_key="sk-xxx"
api_key=os.getenv('DASHSCOPE_API_KEY'),
# 以下為新加坡地區base_url，若使用維吉尼亞地區模型，需要將base_url換成 https://dashscope-us.aliyuncs.com/compatible-mode/v1
# 若使用北京地區模型，需要將base_url換成 https://dashscope.aliyuncs.com/compatible-mode/v1
base_url="https://dashscope-intl.aliyuncs.com/compatible-mode/v1",
)
completion = client.chat.completions.create(
model="qwen-vl-ocr-2025-11-20",
messages=[
{
"role": "user",
"content": [
{
"type": "image_url",
# 需要注意，傳入Base64，映像格式（即image/{format}）需要與支援的圖片列表中的Content Type保持一致。"f"是字串格式化的方法。
# PNG映像： f"data:image/png;base64,{base64_image}"
# JPEG映像： f"data:image/jpeg;base64,{base64_image}"
# WEBP映像： f"data:image/webp;base64,{base64_image}"
"image_url": {"url": f"data:image/png;base64,{base64_image}"},
# 輸入映像的最小像素閾值，小於該值映像會進行放大，直到總像素大於min_pixels
"min_pixels": 32 * 32 * 3,
# 輸入映像的最大像素閾值，超過該值映像會進行縮小，直到總像素低於max_pixels
"max_pixels": 32 * 32 * 8192
},
# 模型支援在以下text欄位中傳入Prompt，若未傳入，則會使用預設的Prompt：Please output only the text content from the image without any additional descriptions or formatting.
{"type": "text", "text": "請提取車票映像中的發票號碼、車次、起始站、終點站、發車日期和時間點、座位號、席別類型、票價、社會安全號碼碼、購票人姓名。要求準確無誤的提取上述關鍵資訊、不要遺漏和捏造虛假資訊，模糊或者強光遮擋的單個文字可以用英文問號?代替。返回資料格式以json方式輸出，格式為：{'發票號碼'：'xxx', '車次'：'xxx', '起始站'：'xxx', '終點站'：'xxx', '發車日期和時間點'：'xxx', '座位號'：'xxx', '席別類型'：'xxx','票價':'xxx', '社會安全號碼碼'：'xxx', '購票人姓名'：'xxx'"},
],
}
],
)
print(completion.choices[0].message.content)Node.js
import OpenAI from "openai";
import {
readFileSync
} from 'fs';
const client = new OpenAI({
// 各地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
// 若沒有配置環境變數，請用百鍊API Key將下行替換為：apiKey: "sk-xxx"
apiKey: process.env.DASHSCOPE_API_KEY,
// 以下為新加坡地區base_url，若使用維吉尼亞地區模型，需要將base_url換成https://dashscope-us.aliyuncs.com/compatible-mode/v1
// 若使用北京地區模型，需要將base_url換成https://dashscope.aliyuncs.com/compatible-mode/v1
baseURL: "https://dashscope-intl.aliyuncs.com/compatible-mode/v1"
});
// 讀取本地檔案，並編碼為 base 64 格式
const encodeImage = (imagePath) => {
const imageFile = readFileSync(imagePath);
return imageFile.toString('base64');
};
// 將xxxx/test.png替換為您本地映像的絕對路徑
const base64Image = encodeImage("xxx/test.jpg")
async function main() {
const completion = await client.chat.completions.create({
model: "qwen-vl-ocr-2025-11-20",
messages: [{
"role": "user",
"content": [{
"type": "image_url",
"image_url": {
// 需要注意，傳入Base64，映像格式（即image/{format}）需要與支援的圖片列表中的Content Type保持一致。
// PNG映像： data:image/png;base64,${base64Image}
// JPEG映像： data:image/jpeg;base64,${base64Image}
// WEBP映像： data:image/webp;base64,${base64Image}
"url": `data:image/jpeg;base64,${base64Image}`
},
// 輸入映像的最小像素閾值，小於該值映像會進行放大，直到總像素大於min_pixels
"min_pixels": 32 * 32 * 3,
// 輸入映像的最大像素閾值，超過該值映像會進行縮小，直到總像素低於max_pixels
"max_pixels": 32 * 32 * 8192
},
// 模型支援在以下text欄位中傳入Prompt，若未傳入，則會使用預設的Prompt：Please output only the text content from the image without any additional descriptions or formatting.
{
"type": "text",
"text": "請提取車票映像中的發票號碼、車次、起始站、終點站、發車日期和時間點、座位號、席別類型、票價、社會安全號碼碼、購票人姓名。要求準確無誤的提取上述關鍵資訊、不要遺漏和捏造虛假資訊，模糊或者強光遮擋的單個文字可以用英文問號?代替。返回資料格式以json方式輸出，格式為：{'發票號碼'：'xxx', '車次'：'xxx', '起始站'：'xxx', '終點站'：'xxx', '發車日期和時間點'：'xxx', '座位號'：'xxx', '席別類型'：'xxx','票價':'xxx', '社會安全號碼碼'：'xxx', '購票人姓名'：'xxx'"
}
]
}]
});
console.log(completion.choices[0].message.content);
}
main();curl
將檔案轉換為 Base 64 編碼的字串的方法可參見範例程式碼；
為了便於展示，代碼中的
"data:image/png;base64,/9j/4AAQSkZJRgABAQAAAQABAAD/2wBDAA..."，該Base 64 編碼字串是截斷的。在實際使用中，請務必傳入完整的編碼字串。
# ======= 重要提示 =======
# 各地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
# 以下為新加坡地區base_url，若使用維吉尼亞地區模型，需要將base_url換成https://dashscope-us.aliyuncs.com/compatible-mode/v1/chat/completions
# 若使用北京地區模型，需要將base_url換成https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions
# === 執行時請刪除該注釋 ===
curl --location 'https://dashscope-intl.aliyuncs.com/compatible-mode/v1/chat/completions' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' \
--data '{
"model": "qwen-vl-ocr-2025-11-20",
"messages": [
{
"role": "user",
"content": [
{"type": "image_url", "image_url": {"url": "data:image/png;base64,/9j/4AAQSkZJRgABAQAAAQABAAD/2wBDAA..."}},
{"type": "text", "text": "請提取車票映像中的發票號碼、車次、起始站、終點站、發車日期和時間點、座位號、席別類型、票價、社會安全號碼碼、購票人姓名。要求準確無誤的提取上述關鍵資訊、不要遺漏和捏造虛假資訊，模糊或者強光遮擋的單個文字可以用英文問號?代替。返回資料格式以json方式輸出，格式為：{'發票號碼'：'xxx', '車次'：'xxx', '起始站'：'xxx', '終點站'：'xxx', '發車日期和時間點'：'xxx', '座位號'：'xxx', '席別類型'：'xxx','票價':'xxx', '社會安全號碼碼'：'xxx', '購票人姓名'：'xxx'"}
]
}]
}'DashScope
Python
import os
import base64
import dashscope
# 以下為新加坡地區base_url，若使用維吉尼亞地區模型，需要將base_url換成 https://dashscope-us.aliyuncs.com/api/v1
# 若使用北京地區模型，需要將base_url換成 https://dashscope.aliyuncs.com/api/v1
dashscope.base_http_api_url = 'https://dashscope-intl.aliyuncs.com/api/v1'
# base 64 編碼格式
def encode_image(image_path):
with open(image_path, "rb") as image_file:
return base64.b64encode(image_file.read()).decode("utf-8")
# 將xxx/test.jpg替換為你本地映像的絕對路徑
base64_image = encode_image("xxx/test.jpg")
messages = [
{
"role": "user",
"content": [
{
# 需要注意，傳入Base64，映像格式（即image/{format}）需要與支援的圖片列表中的Content Type保持一致。"f"是字串格式化的方法。
# PNG映像： f"data:image/png;base64,{base64_image}"
# JPEG映像： f"data:image/jpeg;base64,{base64_image}"
# WEBP映像： f"data:image/webp;base64,{base64_image}"
"image": f"data:image/jpeg;base64,{base64_image}",
# 輸入映像的最小像素閾值，小於該值映像會進行放大，直到總像素大於min_pixels
"min_pixels": 32 * 32 * 3,
# 輸入映像的最大像素閾值，超過該值映像會進行縮小，直到總像素低於max_pixels
"max_pixels": 32 * 32 * 8192,
},
# 模型未設定內建任務時，支援在text欄位中傳入Prompt，若未傳入則使用預設的Prompt：Please output only the text content from the image without any additional descriptions or formatting.
{
"text": "請提取車票映像中的發票號碼、車次、起始站、終點站、發車日期和時間點、座位號、席別類型、票價、社會安全號碼碼、購票人姓名。要求準確無誤的提取上述關鍵資訊、不要遺漏和捏造虛假資訊，模糊或者強光遮擋的單個文字可以用英文問號?代替。返回資料格式以json方式輸出，格式為：{'發票號碼'：'xxx', '車次'：'xxx', '起始站'：'xxx', '終點站'：'xxx', '發車日期和時間點'：'xxx', '座位號'：'xxx', '席別類型'：'xxx','票價':'xxx', '社會安全號碼碼'：'xxx', '購票人姓名'：'xxx'"
},
],
}
]
response = dashscope.MultiModalConversation.call(
# 各地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
# 若沒有配置環境變數，請用百鍊API Key將下行替換為：api_key="sk-xxx"
api_key=os.getenv("DASHSCOPE_API_KEY"),
model="qwen-vl-ocr-2025-11-20",
messages=messages,
)
print(response["output"]["choices"][0]["message"].content[0]["text"])Java
import java.io.IOException;
import java.nio.file.Files;
import java.nio.file.Path;
import java.nio.file.Paths;
import java.util.*;
import java.util.Arrays;
import java.util.Collections;
import java.util.Map;
import java.util.HashMap;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversation;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationParam;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationResult;
import com.alibaba.dashscope.common.MultiModalMessage;
import com.alibaba.dashscope.common.Role;
import com.alibaba.dashscope.exception.ApiException;
import com.alibaba.dashscope.exception.NoApiKeyException;
import com.alibaba.dashscope.exception.UploadFileException;
import io.reactivex.Flowable;
import com.alibaba.dashscope.utils.Constants;
public class Main {
static {
// 以下為新加坡地區base_url，若使用維吉尼亞地區模型，需要將base_url換成 https://dashscope-us.aliyuncs.com/api/v1
// 若使用北京地區模型，需要將base_url換成 https://dashscope.aliyuncs.com/api/v1
Constants.baseHttpApiUrl="https://dashscope-intl.aliyuncs.com/api/v1";
}
// Base 64 編碼格式
private static String encodeImageToBase64(String imagePath) throws IOException {
Path path = Paths.get(imagePath);
byte[] imageBytes = Files.readAllBytes(path);
return Base64.getEncoder().encodeToString(imageBytes);
}
public static void simpleMultiModalConversationCall(String localPath)
throws ApiException, NoApiKeyException, UploadFileException, IOException {
String base64Image = encodeImageToBase64(localPath); // Base64編碼
MultiModalConversation conv = new MultiModalConversation();
Map<String, Object> map = new HashMap<>();
map.put("image", "data:image/jpeg;base64," + base64Image);
// 輸入映像的最大像素閾值，超過該值映像會進行縮小，直到總像素低於max_pixels
map.put("max_pixels", 8388608);
// 輸入映像的最小像素閾值，小於該值映像會進行放大，直到總像素大於min_pixels
map.put("min_pixels", 3072);
MultiModalMessage userMessage = MultiModalMessage.builder().role(Role.USER.getValue())
.content(Arrays.asList(
map,
// 模型未設定內建任務時，支援在以下text欄位中傳入Prompt，若未傳入則使用預設的Prompt：Please output only the text content from the image without any additional descriptions or formatting.
Collections.singletonMap("text", "請提取車票映像中的發票號碼、車次、起始站、終點站、發車日期和時間點、座位號、席別類型、票價、社會安全號碼碼、購票人姓名。要求準確無誤的提取上述關鍵資訊、不要遺漏和捏造虛假資訊，模糊或者強光遮擋的單個文字可以用英文問號?代替。返回資料格式以json方式輸出，格式為：{'發票號碼'：'xxx', '車次'：'xxx', '起始站'：'xxx', '終點站'：'xxx', '發車日期和時間點'：'xxx', '座位號'：'xxx', '席別類型'：'xxx','票價':'xxx', '社會安全號碼碼'：'xxx', '購票人姓名'：'xxx'"))).build();
MultiModalConversationParam param = MultiModalConversationParam.builder()
// 各地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
// 若沒有配置環境變數，請用百鍊API Key將下行替換為：.apiKey("sk-xxx")
.apiKey(System.getenv("DASHSCOPE_API_KEY"))
.model("qwen-vl-ocr-2025-11-20")
.message(userMessage)
.build();
MultiModalConversationResult result = conv.call(param);
System.out.println(result.getOutput().getChoices().get(0).getMessage().getContent().get(0).get("text"));
}
public static void main(String[] args) {
try {
// 將xxxx/test.jpg替換為您本地映像的絕對路徑
simpleMultiModalConversationCall("xxx/test.jpg");
} catch (ApiException | NoApiKeyException | UploadFileException | IOException e) {
System.out.println(e.getMessage());
}
System.exit(0);
}
}curl
將檔案轉換為 Base 64 編碼的字串的方法可參見範例程式碼；
為了便於展示，代碼中的
"data:image/png;base64,/9j/4AAQSkZJRgABAQAAAQABAAD/2wBDAA..."，該Base 64 編碼字串是截斷的。在實際使用中，請務必傳入完整的編碼字串。
# ======= 重要提示 =======
# 各地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
# 以下為新加坡地區base_url，若使用維吉尼亞地區模型，需要將base_url換成 https://dashscope-us.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation
# 若使用北京地區模型，需要將base_url換成 https://dashscope.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation
# === 執行時請刪除該注釋 ===
curl -X POST https://dashscope-intl.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H 'Content-Type: application/json' \
-d '{
"model": "qwen-vl-ocr-2025-11-20",
"input":{
"messages":[
{
"role": "user",
"content": [
{"image": "data:image/png;base64,/9j/4AAQSkZJRgABAQAAAQABAAD/2wBDAA..."},
{"text": "請提取車票映像中的發票號碼、車次、起始站、終點站、發車日期和時間點、座位號、席別類型、票價、社會安全號碼碼、購票人姓名。要求準確無誤的提取上述關鍵資訊、不要遺漏和捏造虛假資訊，模糊或者強光遮擋的單個文字可以用英文問號?代替。返回資料格式以json方式輸出，格式為：{'發票號碼'：'xxx', '車次'：'xxx', '起始站'：'xxx', '終點站'：'xxx', '發車日期和時間點'：'xxx', '座位號'：'xxx', '席別類型'：'xxx','票價':'xxx', '社會安全號碼碼'：'xxx', '購票人姓名'：'xxx'"}
]
}
]
}
}'更多用法
使用限制
映像限制
尺寸與比例：映像的寬度和高度均需大於 10 像素，寬高比不應超過 200:1 或 1:200 。
像素總量：對映像的像素總數無嚴格限制，模型會自動縮放映像，建議映像像素不超過 1568 萬。
支援的映像格式
解析度在4K
(3840x2160)以下，支援的映像格式如下：映像格式
常見副檔名
MIME Type
BMP
.bmp
image/bmp
JPEG
.jpe, .jpeg, .jpg
image/jpeg
PNG
.png
image/png
TIFF
.tif, .tiff
image/tiff
WEBP
.webp
image/webp
HEIC
.heic
image/heic
解析度處於
4K(3840x2160)到8K(7680x4320)範圍，僅支援 JPEG、JPG 、PNG 格式。
映像大小：
以公網 URL 和本地路徑傳入時：單個映像的大小不超過
10MB。以 Base 64 編碼傳入時：編碼後的字串不超過
10MB。
如需壓縮檔體積請參見如何將映像或視頻壓縮到滿足要求的大小。
模型限制
System Message：通義千問OCR模型不支援自訂
System Message，模型內部會使用固定的System Message，所有指令必須通過User Message傳入。無多輪對話能力：目前不支援多輪對話能力，只會對使用者最新的問題進行回答。
幻覺風險：當映像中的文字太小或解析度低時，模型可能會出現幻覺。對於非文字提取相關的問題，模型回答也無法保證準確性。
無法處理文字檔：
計費與限流
計費：通義千問OCR 為多模態模型，總費用 = 輸入 Token 數 × 模型輸入單價 + 模型輸出 Token 數 × 模型輸出單價，映像Token計算方法請參見映像Token轉換方法。可在阿里雲控制台的費用與成本頁面查看賬單或進行儲值。
限流：通義千問OCR模型的限流條件參見限流
免費額度（僅新加坡地區）：從開通百鍊或模型申請通過之日起計算有效期間，有效期間90天內，通義千問OCR模型提供100萬Token的免費額度。
應用於生產環境
處理多頁文檔 (如 PDF)：
拆分：使用影像處理庫（如
Python的pdf2image）將 PDF 檔案按頁轉換為多張高品質的圖片。提交請求：以使用多映像輸入方式進行識別。
映像預先處理：
確保輸入映像清晰、光照均勻，避免過度壓縮：
避免資訊丟失：優先使用無損格式（如 PNG）進行映像的儲存和傳輸。
增益圖像清晰度：對於映像中的噪點，採用降噪（如均值濾波、中值濾波等）演算法平滑雜訊。
光照校正：對於光照不均的映像，採用自適應長條圖均衡化等演算法調整亮度和對比。
對於傾斜的映像：使用 DashScope SDK 的
enable_rotate: true參數可以顯著提升識別效果。對於過小或超大映像：使用
min_pixels和max_pixels參數控製圖像處理前的縮允許存取為min_pixels：確保小圖被放大以識別細節，保持預設值即可。max_pixels：防止超大圖消耗過多資源。 對於大多數情境，使用預設值即可。如果發現某些小字識別不清，可以嘗試調高max_pixels，但注意這會增加 Token 消耗。
結果校正：模型識別結果可能存在誤差，對於關鍵業務，建議設計人工審核環節或引入校正規則（如社會安全號碼、銀行卡號的格式校正）來驗證模型輸出的準確性。
批量調用：在大規模、非即時情境下，可使用 Batch API 非同步處理批量任務，成本更低。
常見問題
如何選擇檔案上傳方式？
模型輸出文字定位的結果後，如何將檢測框繪製到原圖上？
API參考
關於通義千問OCR模型的輸入輸出參數，請參見Qwen-OCR API參考。
錯誤碼
如果模型調用失敗並返回報錯資訊，請參見錯誤資訊進行解決。