全部產品
Search

搜尋本產品

    Alibaba Cloud Model Studio：Qwen-OCR API參考

    文件中心

    Alibaba Cloud Model Studio：Qwen-OCR API參考

    更新時間：Nov 29, 2025

    本文介紹通過 OpenAI 相容介面 或 DashScope API 調用通義千問OCR 模型的輸入與輸出參數。

    相關文檔：文字提取（Qwen-OCR）

    OpenAI 相容

    新加坡地區

    SDK 調用配置的base_url為：https://dashscope-intl.aliyuncs.com/compatible-mode/v1

    HTTP 調用配置的endpoint：POST https://dashscope-intl.aliyuncs.com/compatible-mode/v1/chat/completions

    北京地區

    SDK 調用配置的base_url為：https://dashscope.aliyuncs.com/compatible-mode/v1

    HTTP 調用配置的endpoint：POST https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions

    您需要已擷取與配置 API Key並配置API Key到環境變數（準備下線，併入配置 API Key）。若通過OpenAI SDK進行調用，需要安裝SDK。

    請求體

    非流式輸出

    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', '發票號碼': 'xxx', '起始站': 'xxx', '終點站': 'xxx', '發車日期和時間點':'xxx', '座位號': 'xxx', '座位號': 'xxx','票價':'xxx', '社會安全號碼碼': 'xxx', '購票人姓名': 'xxx'"},
"""

try:
    client = OpenAI(
        # 新加坡和北京地區的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url，若使用北京地區的模型，需將url替換為：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
                    },
                    # 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}
                ]
            }
        ])
    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', '發票號碼': 'xxx', '起始站': 'xxx', '終點站': 'xxx', '發車日期和時間點':'xxx', '座位號': 'xxx', '座位號': 'xxx','票價':'xxx', '社會安全號碼碼': 'xxx', '購票人姓名': 'xxx'"}
`;

const client = new OpenAI({
  // 新加坡和北京地區的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url，若使用北京地區的模型，需將url替換為：https://dashscope.aliyuncs.com/compatible-mode/v1
  baseURL: 'https://dashscope-intl.aliyuncs.com/compatible-mode/v1',
});

async function main() {
  const response = await client.chat.completions.create({
    model: 'qwen-vl-ocr-2025-11-20',
    messages: [
      {
        role: 'user',
        content: [
          // 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},
          {
            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
          }
        ]
      }
    ],
  });
  console.log(response.choices[0].message.content)
}

main();

    curl

    # ======= 重要提示 =======
# 新加坡和北京地區的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url，若使用北京地區的模型，需將url替換為：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', '發票號碼': 'xxx', '起始站': 'xxx', '終點站': 'xxx', '發車日期和時間點':'xxx', '座位號': 'xxx', '座位號': 'xxx','票價':'xxx', '社會安全號碼碼': 'xxx', '購票人姓名': 'xxx'"}
            ]
        }
    ]
}'

    流式輸出

    Python

    import os
from openai import OpenAI

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', '發票號碼': 'xxx', '起始站': 'xxx', '終點站': 'xxx', '發車日期和時間點':'xxx', '座位號': 'xxx', '座位號': 'xxx','票價':'xxx', '社會安全號碼碼': 'xxx', '購票人姓名': 'xxx'"},
"""

client = OpenAI(
    # 新加坡和北京地區的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url，若使用北京地區的模型，需將url替換為：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
                },
                  # 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}
            ]
        }
    ],
    stream=True,
    stream_options={"include_usage": True}
)

for chunk in completion:
    print(chunk.model_dump_json())

    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', '發票號碼': 'xxx', '起始站': 'xxx', '終點站': 'xxx', '發車日期和時間點':'xxx', '座位號': 'xxx', '座位號': 'xxx','票價':'xxx', '社會安全號碼碼': 'xxx', '購票人姓名': 'xxx'"}
`;

const openai = new OpenAI({
  // 新加坡和北京地區的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url，若使用北京地區的模型，需將url替換為：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
          }
        ]
      }
    ],
    stream: true,
    stream_options:{"include_usage": true}
  });
let fullContent = ""
  console.log("流式輸出內容為：")
  for await (const chunk of response) {
    if (chunk.choices[0] && chunk.choices[0].delta.content != null) {
      fullContent += chunk.choices[0].delta.content;
      console.log(chunk.choices[0].delta.content);
    }
}
  console.log(`完整輸出內容為：${fullContent}`)
}

main();

    curl

    # ======= 重要提示 =======
# 新加坡和北京地區的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url，若使用北京地區的模型，需將url替換為：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', '發票號碼': 'xxx', '起始站': 'xxx', '終點站': 'xxx', '發車日期和時間點':'xxx', '座位號': 'xxx', '座位號': 'xxx','票價':'xxx', '社會安全號碼碼': 'xxx', '購票人姓名': 'xxx'"}
            ]
        }
    ],
    "stream": true,
    "stream_options": {"include_usage": true}
}'

    model string （必選）

    模型名稱。支援的模型可參見通義千問OCR。

    messages array （必選）

    傳遞給大模型的上下文，按對話順序排列。

    訊息類型

    User Message object （必選）

    使用者訊息，用於向模型傳遞指令和待識別的映像。

    屬性

    content array（必選）

    訊息內容。

    屬性

    type string （必選）

    可選值：

    • text

      輸入文本時需設為text。

    • image_url

      輸入圖片時需設為image_url。

    text string （可選）

    輸入的文本。

    預設值為：Please output only the text content from the image without any additional descriptions or formatting. ，即模型預設提取映像中的全部文本。

    image_url object

    輸入的圖片資訊。當type為image_url時是必選參數。

    屬性

    url string（必選）

    圖片的 URL或 Base64 Data URL。傳入本地檔案請參考文字提取。

    min_pixels integer （可選）

    用於設定輸入映像的最小像素閾值，單位為像素。

    當輸入映像像素小於min_pixels時，會將映像進行放大，直到總像素高於min_pixels。

    映像Token與像素的轉換關係

    不同模型，每個映像 Token 對應的像素不同：

    • qwen-vl-ocr-latest、qwen-vl-ocr-2025-11-20：每 Token 對應像素為32*32。

    • qwen-vl-ocr、qwen-vl-ocr-2025-08-28及之前更新的模型：每 Token 對應像素為28*28。

    min_pixels 取值範圍

    • qwen-vl-ocr-latest、qwen-vl-ocr-2025-11-20：預設值和最小值均為3072（即3×32×32）

    • qwen-vl-ocr、qwen-vl-ocr-2025-08-28及之前更新的模型：預設值和最小值均為 3136 （即4×28×28）。

    樣本值：{"type": "image_url","image_url": {"url":"https://xxxx.jpg"},"min_pixels": 3072}

    max_pixels integer （可選）

    用於設定輸入映像的最大像素閾值，單位為像素。

    當輸入映像像素在[min_pixels, max_pixels]區間內時，模型會按原圖進行識別。當輸入映像像素大於max_pixels時，會將映像進行縮小，直到總像素低於max_pixels。

    映像Token與像素的轉換關係

    不同模型，每個映像 Token 對應的像素不同：

    • qwen-vl-ocr-latest、qwen-vl-ocr-2025-11-20：每 Token 對應像素為32*32。

    • qwen-vl-ocr、qwen-vl-ocr-2025-08-28及之前更新的模型：每 Token 對應像素為28*28。

    max_pixels 取值範圍

    • qwen-vl-ocr-latest、qwen-vl-ocr-2025-11-20

      • 預設值：8388608 （即8192x32x32）

      • 最大值：30720000（即30000x32x32）

    • qwen-vl-ocr、qwen-vl-ocr-2025-08-28及之前更新的模型

      • 預設值：6422528（即8192x28x28）

      • 最大值：23520000（即30000x28x28）

    樣本值：{"type": "image_url","image_url": {"url":"https://xxxx.jpg"},"max_pixels": 8388608}

    role string （必選）

    使用者訊息的角色，固定為user。

    stream boolean （可選） 預設值為 false

    是否以流式方式輸出回複。

    可選值：

    • false：等待模型產生完整回複後一次性返回。

    • true：模型邊產生邊返回資料區塊。用戶端需逐塊讀取，以還原完整回複。

    stream_options object （可選）

    流式輸出的配置項，僅在 stream 為 true 時生效。

    屬性

    include_usage boolean （可選）預設值為 false

    是否在最後一個資料區塊包含Token消耗資訊。

    可選值：

    • true：包含；

    • false：不包含。

    max_tokens integer （可選）

    用於限制模型輸出的最大 Token 數。若產生內容超過此值，響應將被截斷。

    • qwen-vl-ocr-latest、qwen-vl-ocr-2025-11-20、qwen-vl-ocr-2024-10-28預設值與最大值均為模型的最大輸出長度，請參見模型與價格。

    • qwen-vl-ocr、qwen-vl-ocr-2025-04-13、qwen-vl-ocr-2025-08-28，預設值和最大值為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。

    logprobs boolean （可選）預設值為 false

    是否返回輸出 Token 的對數機率，可選值：

    • true

      返回

    • false

      不返回

    top_logprobs integer （可選）預設值為0

    指定在每一步產生時，返回模型最大機率的候選 Token 個數。

    取值範圍：[0,5]

    僅當 logprobs 為 true 時生效。

    temperature float （可選） 預設值為0.01

    採樣溫度，控制模型產生文本的多樣性。

    temperature越高，產生的文本更多樣，反之，產生的文本更確定。

    取值範圍： [0, 2)

    temperature與top_p均可以控制產生文本的多樣性，建議只設定其中一個值。

    建議設定為預設值即可。

    top_p float （可選）預設值為0.001

    核採樣的機率閾值，控制模型產生文本的多樣性。

    top_p越高，產生的文本更多樣。反之，產生的文本更確定。

    取值範圍：（0,1.0]

    temperature與top_p均可以控制產生文本的多樣性，建議只設定其中一個值。

    建議設定為預設值即可。

    top_k integer （可選）預設值為1

    產生過程中採樣候選集的大小。例如，取值為50時，僅將單次產生中得分最高的50個Token組成隨機採樣的候選集。取值越大，產生的隨機性越高；取值越小，產生的確定性越高。取值為None或當top_k大於100時，表示不啟用top_k策略，此時僅有top_p策略生效。

    取值需要大於或等於0。

    該參數非OpenAI標準參數。通過 Python SDK調用時，請放入 extra_body 對象中，配置方式為：extra_body={"top_k": xxx}；通過 Node.js SDK 或 HTTP 方式調用時，請作為頂層參數傳遞。

    建議設定為預設值即可。

    repetition_penalty float （可選）預設值為1.0

    模型產生時連續序列中的重複度。提高repetition_penalty時可以降低模型產生的重複度，1.0表示不做懲罰。該參數對模型效果影響較大，建議保持預設值。

    建議設定為預設值即可。

    presence_penalty float （可選）預設值為0.0

    控制模型產生文本時的內容重複度。

    取值範圍：[-2.0, 2.0]。正值降低重複度，負值增加重複度。

    在創意寫作或頭腦風暴等需要多樣性、趣味性或創造力的情境中，建議調高該值；在技術文檔或正式文本等強調一致性與術語準確性的情境中，建議調低該值。

    原理介紹

    如果參數值是正數，模型將對目前文本中已存在的Token施加一個懲罰值（懲罰值與文本出現的次數無關），減少這些Token重複出現的幾率，從而減少內容重複度，增加用詞多樣性。

    建議設定為預設值即可。

    seed integer （可選）

    隨機數種子。用於確保在相同輸入和參數下產生結果可複現。若調用時傳入相同的 seed 且其他參數不變，模型將儘可能返回相同結果。

    取值範圍：[0,231−1]。

    建議設定為預設值即可。

    stop string 或 array （可選）

    用於指定停止詞。當模型產生的文本中出現stop 指定的字串或token_id時，產生將立即終止。

    可傳入敏感詞以控制模型的輸出。

    stop為數組時，不可將token_id和字串同時作為元素輸入，比如不可以指定為["你好",104307]。

    chat響應對象（非流式輸出）

    {
  "id": "chatcmpl-ba21fa91-dcd6-4dad-90cc-6d49c3c39094",
  "choices": [
    {
      "finish_reason": "stop",
      "index": 0,
      "logprobs": null,
      "message": {
        "content": "```json\n{\n    \"銷售方名稱\": \"null\",\n    \"購買方名稱\": \"蔡應時\",\n    \"不含稅價\": \"230769.23\",\n    \"組織機構代碼\": \"null\",\n    \"發票代碼\": \"142011726001\"\n}\n```",
        "refusal": null,
        "role": "assistant",
        "annotations": null,
        "audio": null,
        "function_call": null,
        "tool_calls": null
      }
    }
  ],
  "created": 1763283287,
  "model": "qwen-vl-ocr-latest",
  "object": "chat.completion",
  "service_tier": null,
  "system_fingerprint": null,
  "usage": {
    "completion_tokens": 72,
    "prompt_tokens": 1185,
    "total_tokens": 1257,
    "completion_tokens_details": {
      "accepted_prediction_tokens": null,
      "audio_tokens": null,
      "reasoning_tokens": null,
      "rejected_prediction_tokens": null,
      "text_tokens": 72
    },
    "prompt_tokens_details": {
      "audio_tokens": null,
      "cached_tokens": null,
      "image_tokens": 1001,
      "text_tokens": 184
    }
  }
}

    id string

    本次請求的唯一識別碼。

    choices array

    模型產生內容的數組。

    屬性

    finish_reason string

    模型停止產生的原因。

    有兩種情況：

    • 自然停止輸出時為stop；

    • 產生長度過長而結束為length。

    index integer

    當前對象在choices數組中的索引。

    message object

    模型輸出的訊息。

    屬性

    content string

    大模型的返回結果。

    refusal string

    該參數當前固定為null。

    role string

    訊息的角色，固定為assistant。

    audio object

    該參數當前固定為null。

    function_call object

    該參數當前固定為null。

    tool_calls array

    該參數當前固定為null。

    created integer

    本次請求被建立時的時間戳記。

    model string

    本次請求使用的模型。

    object string

    始終為chat.completion。

    service_tier string

    該參數當前固定為null。

    system_fingerprint string

    該參數當前固定為null。

    usage object

    本次請求的 Token 消耗資訊。

    屬性

    completion_tokens integer

    模型輸出的 Token 數。

    prompt_tokens integer

    輸入的 Token 數。

    total_tokens integer

    消耗的總 Token 數，為prompt_tokens與completion_tokens的總和。

    completion_tokens_details object

    模型輸出Token的細粒度分類。

    屬性

    accepted_prediction_tokensinteger

    該參數當前固定為null。

    audio_tokens integer

    該參數當前固定為null。

    reasoning_tokens integer

    該參數當前固定為null。

    text_tokens integer

    模型輸出文本對應的 Token 數。

    rejected_prediction_tokens integer

    該參數當前固定為null。

    prompt_tokens_details object

    輸入 Token 的細粒度分類。

    屬性

    audio_tokens integer

    該參數當前固定為null。

    cached_tokens integer

    該參數當前固定為null。

    text_tokens integer

    模型輸入的文本對應的Token 數。

    image_tokens integer

    模型輸入的映像對應的 Token數。

    chat響應chunk對象（流式輸出）

    {"id":"chatcmpl-f6fbdc0d-78d6-418f-856f-f099c2e4859b","choices":[{"delta":{"content":"","function_call":null,"refusal":null,"role":"assistant","tool_calls":null},"finish_reason":null,"index":0,"logprobs":null}],"created":1764139204,"model":"qwen-vl-ocr-latest","object":"chat.completion.chunk","service_tier":null,"system_fingerprint":null,"usage":null}
{"id":"chatcmpl-f6fbdc0d-78d6-418f-856f-f099c2e4859b","choices":[{"delta":{"content":"```","function_call":null,"refusal":null,"role":null,"tool_calls":null},"finish_reason":null,"index":0,"logprobs":null}],"created":1764139204,"model":"qwen-vl-ocr-latest","object":"chat.completion.chunk","service_tier":null,"system_fingerprint":null,"usage":null}
{"id":"chatcmpl-f6fbdc0d-78d6-418f-856f-f099c2e4859b","choices":[{"delta":{"content":"json","function_call":null,"refusal":null,"role":null,"tool_calls":null},"finish_reason":null,"index":0,"logprobs":null}],"created":1764139204,"model":"qwen-vl-ocr-latest","object":"chat.completion.chunk","service_tier":null,"system_fingerprint":null,"usage":null}
{"id":"chatcmpl-f6fbdc0d-78d6-418f-856f-f099c2e4859b","choices":[{"delta":{"content":"\n","function_call":null,"refusal":null,"role":null,"tool_calls":null},"finish_reason":null,"index":0,"logprobs":null}],"created":1764139204,"model":"qwen-vl-ocr-latest","object":"chat.completion.chunk","service_tier":null,"system_fingerprint":null,"usage":null}
{"id":"chatcmpl-f6fbdc0d-78d6-418f-856f-f099c2e4859b","choices":[{"delta":{"content":"{\n","function_call":null,"refusal":null,"role":null,"tool_calls":null},"finish_reason":null,"index":0,"logprobs":null}],"created":1764139204,"model":"qwen-vl-ocr-latest","object":"chat.completion.chunk","service_tier":null,"system_fingerprint":null,"usage":null}
{"id":"chatcmpl-f6fbdc0d-78d6-418f-856f-f099c2e4859b","choices":[{"delta":{"content":"   ","function_call":null,"refusal":null,"role":null,"tool_calls":null},"finish_reason":null,"index":0,"logprobs":null}],"created":1764139204,"model":"qwen-vl-ocr-latest","object":"chat.completion.chunk","service_tier":null,"system_fingerprint":null,"usage":null}
......
{"id":"chatcmpl-f6fbdc0d-78d6-418f-856f-f099c2e4859b","choices":[{"delta":{"content":"```","function_call":null,"refusal":null,"role":null,"tool_calls":null},"finish_reason":null,"index":0,"logprobs":null}],"created":1764139204,"model":"qwen-vl-ocr-latest","object":"chat.completion.chunk","service_tier":null,"system_fingerprint":null,"usage":null}
{"id":"chatcmpl-f6fbdc0d-78d6-418f-856f-f099c2e4859b","choices":[{"delta":{"content":"","function_call":null,"refusal":null,"role":null,"tool_calls":null},"finish_reason":"stop","index":0,"logprobs":null}],"created":1764139204,"model":"qwen-vl-ocr-latest","object":"chat.completion.chunk","service_tier":null,"system_fingerprint":null,"usage":null}
{"id":"chatcmpl-f6fbdc0d-78d6-418f-856f-f099c2e4859b","choices":[],"created":1764139204,"model":"qwen-vl-ocr-latest","object":"chat.completion.chunk","service_tier":null,"system_fingerprint":null,"usage":{"completion_tokens":141,"prompt_tokens":513,"total_tokens":654,"completion_tokens_details":{"accepted_prediction_tokens":null,"audio_tokens":null,"reasoning_tokens":null,"rejected_prediction_tokens":null,"text_tokens":141},"prompt_tokens_details":{"audio_tokens":null,"cached_tokens":null,"image_tokens":332,"text_tokens":181}}}

    id string

    本次調用的唯一識別碼。每個chunk對象有相同的 id。

    choices array

    模型產生內容的數組。若設定include_usage參數為true，則在最後一個chunk中為空白。

    屬性

    delta object

    流式返回的輸出內容。

    屬性

    content string

    大模型的返回結果。

    function_call object

    該參數當前固定為null。

    refusal object

    該參數當前固定為null。

    role string

    訊息對象的角色，只在第一個chunk中有值。

    finish_reason string

    模型停止產生的原因。有三種情況：

    • 自然停止輸出時為stop；

    • 產生未結束時為null；

    • 產生長度過長而結束為length。

    index integer

    當前響應在choices數組中的索引。

    created integer

    本次請求被建立時的時間戳記。每個chunk有相同的時間戳記。

    model string

    本次請求使用的模型。

    object string

    始終為chat.completion.chunk。

    service_tier string

    該參數當前固定為null。

    system_fingerprintstring

    該參數當前固定為null。

    usage object

    本次請求消耗的Token。只在include_usage為true時，在最後一個chunk返回。

    屬性

    completion_tokens integer

    模型輸出的 Token 數。

    prompt_tokens integer

    輸入的 Token 數。

    total_tokens integer

    消耗的總 Token 數，為prompt_tokens與completion_tokens的總和。

    completion_tokens_details object

    模型輸出Token的細粒度分類。

    屬性

    accepted_prediction_tokensinteger

    該參數當前固定為null。

    audio_tokens integer

    該參數當前固定為null。

    reasoning_tokens integer

    該參數當前固定為null。

    text_tokens integer

    模型輸出文本對應的 Token 數。

    rejected_prediction_tokens integer

    該參數當前固定為null。

    prompt_tokens_details object

    輸入 Token 的細粒度分類。

    屬性

    audio_tokens integer

    該參數當前固定為null。

    cached_tokens integer

    該參數當前固定為null。

    text_tokens integer

    模型輸入的文本對應的Token 數。

    image_tokens integer

    模型輸入的映像對應的 Token數。

    DashScope

    新加坡地區

    HTTP 調用配置的endpoint：POST https://dashscope-intl.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation

    SDK調用配置的base_url：

    Python代碼

    dashscope.base_http_api_url = 'https://dashscope-intl.aliyuncs.com/api/v1'

    Java代碼

    • 方式一：

      import com.alibaba.dashscope.protocol.Protocol;
MultiModalConversation conv = new MultiModalConversation(Protocol.HTTP.getValue(), "https://dashscope-intl.aliyuncs.com/api/v1");

    • 方式二：

      import com.alibaba.dashscope.utils.Constants;
Constants.baseHttpApiUrl="https://dashscope-intl.aliyuncs.com/api/v1";

    北京地區

    HTTP 調用配置的endpoint：POST https://dashscope.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation

    SDK 調用無需配置 base_url。

    您需要已擷取與配置 API Key並配置API Key到環境變數（準備下線，併入配置 API Key）。若通過DashScope SDK進行調用，需要安裝DashScope SDK。

    請求體

    高精識別

    以下為調用高精識別內建任務的程式碼範例，詳情請參見調用內建任務。

    import os
import dashscope

# 以下為新加坡地區url，若使用北京地區的模型，需將url替換為：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,
                # 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"}
)
# 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"])
    // 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url，若使用北京地區的模型，需將url替換為：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);
        // 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 =======
# 新加坡和北京地區的API Key不同。擷取API Key：# 新加坡和北京地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
# 以下是新加坡地區base-url，如果使用新加坡地區的模型，需要將base_url替換為：https://dashscope-intl.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

    以下為調用資訊抽取內建任務的程式碼範例，詳情請參見調用內建任務。

    # use [pip install -U dashscope] to update sdk

import os
import dashscope
# 以下為新加坡地區url，若使用北京地區的模型，需將url替換為：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(
    # 新加坡和北京地區的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url，若使用北京地區的模型，需將url替換為：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);
         // 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()
                // 新加坡和北京地區的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 =======
# 新加坡和北京地區的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url，若使用北京地區的模型，需將url替換為：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。"
        }
    }
    }
  }
}
'

    表格解析

    以下為調用表格解析內建任務的程式碼範例，詳情請參見調用內建任務。

    import os
import dashscope
# 以下為新加坡地區url，若使用北京地區的模型，需將url替換為：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,
                # 開啟映像自動轉正功能
                "enable_rotate": False}]
           }]
           
response = dashscope.MultiModalConversation.call(
    # 新加坡和北京地區的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url，若使用北京地區的模型，需將url替換為：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);
        // 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()
                // 新加坡和北京地區的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 =======
# 新加坡和北京地區的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url，若使用北京地區的模型，需將url替換為：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

    以下為調用文檔解析內建任務的程式碼範例，詳情請參見調用內建任務。

    import os
import dashscope
# 以下為新加坡地區url，若使用北京地區的模型，需將url替換為：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,
                # 開啟映像自動轉正功能
                "enable_rotate": False}]
            }]
            
response = dashscope.MultiModalConversation.call(
    # 新加坡和北京地區的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url，若使用北京地區的模型，需將url替換為：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);
        // 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()
                // 新加坡和北京地區的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 =======
# 新加坡和北京地區的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url，若使用北京地區的模型，需將url替換為：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

    以下為調用公式識別內建任務的程式碼範例，詳情請參見調用內建任務。
    import os
import dashscope

# 以下為新加坡地區url，若使用北京地區的模型，需將url替換為：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,
                # 開啟映像自動轉正功能
                "enable_rotate": False}]
            }]
            
response = dashscope.MultiModalConversation.call(
    # 新加坡和北京地區的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url，若使用北京地區的模型，需將url替換為：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);
        // 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()
                // 新加坡和北京地區的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 =======
# 新加坡和北京地區的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url，若使用北京地區的模型，需將url替換為：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

    以下為調用通用文字識別內建任務的程式碼範例，詳情請參見調用內建任務。

    import os
import dashscope
# 以下為新加坡地區url，若使用北京地區的模型，需將url替換為：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,
                # 開啟映像自動轉正功能
                "enable_rotate": False}]
        }]
        
response = dashscope.MultiModalConversation.call(
    # 新加坡和北京地區的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url，若使用北京地區的模型，需將url替換為：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);
        // 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()
                // 新加坡和北京地區的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 =======
# 新加坡和北京地區的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url，若使用北京地區的模型，需將url替換為：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

    以下為調用通用多語言識別內建任務的程式碼範例，詳情請參見調用內建任務。

    import os
import dashscope
# 以下為新加坡地區url，若使用北京地區的模型，需將url替換為：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,
                # 開啟映像自動轉正功能
                "enable_rotate": False}]
            }]
            
response = dashscope.MultiModalConversation.call(
    # 新加坡和北京地區的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url，若使用北京地區的模型，需將url替換為：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);
        // 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()
                // 新加坡和北京地區的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 =======
# 新加坡和北京地區的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url，若使用北京地區的模型，需將url替換為：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"
    }
  }
}
'

    流式輸出

    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', '發票號碼': 'xxx', '起始站': 'xxx', '終點站': 'xxx', '發車日期和時間點':'xxx', '座位號': 'xxx', '座位號': '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url，若使用北京地區的模型，需將url替換為：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},
            # 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,
            },
        ],
    }
]
response = dashscope.MultiModalConversation.call(
    # 新加坡和北京地區的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,
    stream=True,
    incremental_output=True,
)
full_content = ""
print("流式輸出內容為：")
for response in response:
    try:
        print(response["output"]["choices"][0]["message"].content[0]["text"])
        full_content += response["output"]["choices"][0]["message"].content[0]["text"]
    except:
        pass
print(f"完整內容為：{full_content}")

    Java

    import java.util.*;

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url，若使用北京地區的模型，需將url替換為：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,
                        // 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', '發票號碼': 'xxx', '起始站': 'xxx', '終點站': 'xxx', '發車日期和時間點':'xxx', '座位號': 'xxx', '座位號': 'xxx','票價':'xxx', '社會安全號碼碼': 'xxx', '購票人姓名': 'xxx'"))).build();
        MultiModalConversationParam param = MultiModalConversationParam.builder()
                // 新加坡和北京地區的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)
                .incrementalOutput(true)
                .build();
        Flowable<MultiModalConversationResult> result = conv.streamCall(param);
        result.blockingForEach(item -> {
            try {
                List<Map<String, Object>> contentList = item.getOutput().getChoices().get(0).getMessage().getContent();
                if (!contentList.isEmpty()){
                    System.out.println(contentList.get(0).get("text"));
                }//
            } catch (Exception e){
                System.exit(0);
            }
        });
    }

    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 =======
# 新加坡和北京地區的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url，若使用北京地區的模型，需將url替換為：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' \
-H 'X-DashScope-SSE: enable' \
--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
                },
                {"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', '發票號碼': 'xxx', '起始站': 'xxx', '終點站': 'xxx', '發車日期和時間點':'xxx', '座位號': 'xxx', '座位號': 'xxx','票價':'xxx', '社會安全號碼碼': 'xxx', '購票人姓名': 'xxx'"}
            ]
          }
        ]
    },
    "parameters": {
        "incremental_output": true
    }
}'

    model string （必選）

    模型名稱。支援的模型可參見通義千問OCR。

    messages array （必選）

    傳遞給大模型的上下文，按對話順序排列。

    通過HTTP調用時，請將messages 放入 input 對象中。

    訊息類型

    User Message object（必選）

    使用者訊息，用於向模型傳遞問題、指令或上下文等。

    屬性

    content string 或 array（必選）

    訊息內容。若輸入只有文本，則為 string 類型；若輸入包含映像資料，則為 array 類型。

    屬性

    text string （可選）

    輸入的文本。

    預設值為：Please output only the text content from the image without any additional descriptions or formatting. ，即模型預設提取映像中的全部文本。

    image string（可選）

    圖片的URL、 Base64 Data URL、或本地路徑。傳入本地檔案請參見傳入本地檔案。

    樣本值：{"image":"https://xxxx.jpeg"}

    enable_rotate boolean （可選）預設值為false

    是否對傾斜的映像進行校正處理。

    可選值：

    • true：自動校正

    • false：不進行校正

    樣本值：{"image":"https://xxxx.jpeg","enable_rotate": True}

    min_pixels integer （可選）

    用於設定輸入映像的最小像素閾值，單位為像素。

    當輸入映像像素小於min_pixels時，會將映像進行放大，直到總像素高於min_pixels。

    映像Token與像素的轉換關係

    不同模型，每個映像 Token 對應的像素不同：

    • qwen-vl-ocr-latest、qwen-vl-ocr-2025-11-20：每 Token 對應像素為32*32。

    • qwen-vl-ocr、qwen-vl-ocr-2025-08-28及之前更新的模型：每 Token 對應像素為28*28。

    min_pixels 取值範圍

    • qwen-vl-ocr-latest、qwen-vl-ocr-2025-11-20：預設值和最小值均為3072（即3×32×32）

    • qwen-vl-ocr、qwen-vl-ocr-2025-08-28及之前更新的模型：預設值和最小值均為 3136 （即4×28×28）。

    樣本值：{"image":"https://xxxx.jpeg","min_pixels": 3072}

    max_pixels integer （可選）

    用於設定輸入映像的最大像素閾值，單位為像素。

    當輸入映像像素在[min_pixels, max_pixels]區間內時，模型會按原圖進行識別。當輸入映像像素大於max_pixels時，會將映像進行縮小，直到總像素低於max_pixels。

    映像Token與像素的轉換關係

    不同模型，每個映像 Token 對應的像素不同：

    • qwen-vl-ocr-latest、qwen-vl-ocr-2025-11-20：每 Token 對應像素為32*32。

    • qwen-vl-ocr、qwen-vl-ocr-2025-08-28及之前更新的模型：每 Token 對應像素為28*28。

    max_pixels 取值範圍

    • qwen-vl-ocr-latest、qwen-vl-ocr-2025-11-20

      • 預設值：8388608 （即8192x32x32）

      • 最大值：30720000（即30000x32x32）

    • qwen-vl-ocr、qwen-vl-ocr-2025-08-28及之前更新的模型

      • 預設值：6422528（即8192x28x28）

      • 最大值：23520000（即30000x28x28）

    樣本值：{"image":"https://xxxx.jpeg","max_pixels": 8388608}

    role string （必選）

    使用者訊息的角色，固定為user。

    max_tokens integer （可選）

    用於限制模型輸出的最大 Token 數。若產生內容超過此值，響應將被截斷。

    • qwen-vl-ocr-latest、qwen-vl-ocr-2025-11-20、qwen-vl-ocr-2024-10-28預設值與最大值均為模型的最大輸出長度，請參見模型與價格。

    • qwen-vl-ocr、qwen-vl-ocr-2025-04-13、qwen-vl-ocr-2025-08-28，預設值和最大值為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。
    Java SDK中為maxTokens。通過HTTP調用時，請將 max_tokens 放入 parameters 對象中。

    ocr_options object （可選）

    使用通義千問OCR模型調用內建任務時需要配置的參數。調用內建任務時，無需傳入User Message，模型內部會採用對應任務的Prompt。相關章節：調用內建任務。

    屬性

    task string （必選）

    內建任務的名稱，可選值如下：

    • text_recognition：通用文字識別

    • key_information_extraction：資訊抽取

    • document_parsing：文檔解析

    • table_parsing：表格解析

    • formula_recognition：公式識別

    • multi_lan：多語言識別

    • advanced_recognition：高精識別

    task_config object （可選）

    當task的取值為key_information_extraction（資訊抽取）時，此參數用於指定需抽取的特定欄位。如未指定 task_config，模型將預設提取映像中的所有欄位。

    屬性

    result_schema object （可選）

    表示需要模型抽取的欄位，應為JSON對象結構，最多可嵌套3層JSON 對象。

    在JSON對象的鍵（key）中指定待抽取欄位的名稱，對應的值（value）可為空白，建議在值中提供欄位描述或格式要求，可提高資訊提取的準確率。

    樣本值：

    "result_schema": {
     "發票號碼": "發票的唯一識別編號，通常為數字和字母的組合。",
     "開票日期": "發票開具的日期，請以YYYY-MM-DD格式提取，例如2023-10-26。",
     "銷售方名稱": "發票上顯示的銷售方公司全稱。",
     "總金額": "發票中包含稅費的總計金額，要求提取數值並保留兩位小數，例如123.45。" 
}
    Java SDK為OcrOptions，DashScope Python SDK 最低版本為1.22.2， Java SDK 最低版本為2.18.4。
    通過HTTP調用時，請將 ocr_options 放入 parameters 對象中。

    seed integer （可選）

    隨機數種子。用於確保在相同輸入和參數下產生結果可複現。若調用時傳入相同的 seed 且其他參數不變，模型將儘可能返回相同結果。

    取值範圍：[0,231−1]。

    建議設定為預設值即可。
    通過HTTP調用時，請將 seed 放入 parameters 對象中。

    temperature float （可選） 預設值為0.01

    採樣溫度，控制模型產生文本的多樣性。

    temperature越高，產生的文本更多樣，反之，產生的文本更確定。

    取值範圍： [0, 2)

    temperature與top_p均可以控制產生文本的多樣性，建議只設定其中一個值。

    建議設定為預設值即可。
    通過HTTP調用時，請將 temperature 放入 parameters 對象中。

    top_p float （可選）預設值為0.001

    核採樣的機率閾值，控制模型產生文本的多樣性。

    top_p越高，產生的文本更多樣。反之，產生的文本更確定。

    取值範圍：（0,1.0]

    temperature與top_p均可以控制產生文本的多樣性，建議只設定其中一個值。

    建議設定為預設值即可。
    Java SDK中為topP。通過HTTP調用時，請將 top_p 放入 parameters 對象中。

    top_k integer （可選）預設值為1

    產生過程中採樣候選集的大小。例如，取值為50時，僅將單次產生中得分最高的50個Token組成隨機採樣的候選集。取值越大，產生的隨機性越高；取值越小，產生的確定性越高。取值為None或當top_k大於100時，表示不啟用top_k策略，此時僅有top_p策略生效。

    取值需要大於或等於0。

    該參數非OpenAI標準參數。通過 Python SDK調用時，請放入 extra_body 對象中，配置方式為：extra_body={"top_k": xxx}；通過 Node.js SDK 或 HTTP 方式調用時，請作為頂層參數傳遞。

    建議設定為預設值即可。

    repetition_penalty float （可選）預設值為1.0

    模型產生時連續序列中的重複度。提高repetition_penalty時可以降低模型產生的重複度，1.0表示不做懲罰。該參數對模型效果影響較大，建議保持預設值。

    建議設定為預設值即可。
    Java SDK中為repetitionPenalty。通過HTTP調用時，請將 repetition_penalty 放入 parameters 對象中。

    presence_penalty float （可選）預設值為0.0

    控制模型產生文本時的內容重複度。

    取值範圍：[-2.0, 2.0]。正值降低重複度，負值增加重複度。

    在創意寫作或頭腦風暴等需要多樣性、趣味性或創造力的情境中，建議調高該值；在技術文檔或正式文本等強調一致性與術語準確性的情境中，建議調低該值。

    原理介紹

    如果參數值是正數，模型將對目前文本中已存在的Token施加一個懲罰值（懲罰值與文本出現的次數無關），減少這些Token重複出現的幾率，從而減少內容重複度，增加用詞多樣性。

    建議設定為預設值即可。

    stream boolean （可選） 預設值為false

    是否流式輸出回複。參數值：

    • false：模型產生完所有內容後一次性返回結果。

    • true：邊產生邊輸出，即每產生一部分內容就立即輸出一個片段（chunk）。

    該參數僅支援Python SDK。通過Java SDK實現流式輸出請通過streamCall介面調用；通過HTTP實現流式輸出請在Header中指定X-DashScope-SSE為enable。

    incremental_output boolean （可選）預設為false

    在流式輸出模式下是否開啟增量輸出。推薦您優先設定為true。

    參數值：

    • false：每次輸出為當前已經產生的整個序列，最後一次輸出為產生的完整結果。

      I
I like
I like apple
I like apple.

    • true（推薦）：增量輸出，即後續輸出內容不包含已輸出的內容。您需要即時地逐個讀取這些片段以獲得完整的結果。

      I
like
apple
.
    Java SDK中為incrementalOutput。通過HTTP調用時，請將 incremental_output 放入 parameters 對象中。

    stop string 或 array （可選）

    用於指定停止詞。當模型產生的文本中出現stop 指定的字串或token_id時，產生將立即終止。

    可傳入敏感詞以控制模型的輸出。

    stop為數組時，不可將token_id和字串同時作為元素輸入，比如不可以指定為["你好",104307]。

    logprobs boolean （可選）預設值為 false

    是否返回輸出 Token 的對數機率，可選值：

    • true

      返回

    • false

      不返回

    支援的模型：qwen-vl-ocr-2025-04-13及之後更新的模型

    通過HTTP調用時，請將 logprobs 放入 parameters 對象中。

    top_logprobs integer （可選）預設值為0

    指定在每一步產生時，返回模型最大機率的候選 Token 個數。僅當 logprobs 為 true 時生效。

    取值範圍：[0,5]

    Java SDK中為topLogprobs。通過HTTP調用時，請將 top_logprobs 放入 parameters 對象中。

    chat響應對象（流式與非流式輸出格式一致）

    {"status_code": 200,
  "request_id": "8f8c0f6e-6805-4056-bb65-d26d66080a41",
  "code": "",
  "message": "",
  "output": {
    "text": null,
    "finish_reason": null,
    "choices": [
      {
        "finish_reason": "stop",
        "message": {
          "role": "assistant",
          "content": [
            {
              "ocr_result": {
                "kv_result": {
                  "不含稅價": "230769.23",
                  "發票代碼": "142011726001",
                  "組織機構代碼": "null",
                  "購買方名稱": "蔡應時",
                  "銷售方名稱": "null"
                }
              },
              "text": "```json\n{\n    \"不含稅價\": \"230769.23\",\n    \"發票代碼\": \"142011726001\",\n    \"組織機構代碼\": \"null\",\n    \"購買方名稱\": \"蔡應時\",\n    \"銷售方名稱\": \"null\"\n}\n```"
            }
          ]
        }
      }
    ],
    "audio": null
  },
  "usage": {
    "input_tokens": 926,
    "output_tokens": 72,
    "characters": 0,
    "image_tokens": 754,
    "input_tokens_details": {
      "image_tokens": 754,
      "text_tokens": 172
    },
    "output_tokens_details": {
      "text_tokens": 72
    },
    "total_tokens": 998
  }
}

    status_code string

    本次請求的狀態代碼。200 表示請求成功，否則表示請求失敗。

    Java SDK不會返回該參數。調用失敗會拋出異常，異常資訊為status_code和message的內容。

    request_id string

    本次調用的唯一識別碼。

    Java SDK返回參數為requestId。

    code string

    錯誤碼，調用成功時為空白值。

    只有Python SDK返回該參數。

    output object

    調用結果資訊。

    屬性

    text string

    該參數當前固定為null。

    finish_reason string

    模型結束產生的原因。有以下情況：

    • 正在產生時為null；

    • 模型輸出自然結束為stop；

    • 因產生長度過長而結束為length；

    choices array

    模型的輸出資訊。

    屬性

    finish_reason string

    有以下情況：

    • 正在產生時為null；

    • 因模型輸出自然結束為stop；

    • 因產生長度過長而結束為length；

    message object

    模型輸出的訊息對象。

    屬性

    role string

    輸出訊息的角色，固定為assistant。

    content object

    輸出訊息的內容。

    屬性

    ocr_result object

    當Qwen-OCR系列模型調用內建的資訊抽取、高精識別任務時，輸出的任務結果資訊。

    屬性

    kv_result array

    資訊抽取任務的輸出結果。

    words_info array

    高精識別任務的輸出結果。

    屬性

    rotate_rect array

    樣本值：[center_x, center_y, width, height, angle]

    文字框的旋轉矩形表示：

    • center_x、center_y為文字框中心點座標

    • width為文字框寬度，height為高度

    • angle為文字框相對於水平方向的旋轉角度，取值範圍為[-90, 90]

    location array

    樣本值：[x1, y1, x2, y2, x3, y3, x4, y4]

    文字框四個頂點的座標，座標順序為左上方開起，按左上方→右上方→右下角→左下角的順時針順序排列。

    text string

    文本行的內容

    text string

    輸出訊息的內容。

    logprobs object

    當前 choices 對象的機率資訊。

    屬性

    content array

    帶有對數機率資訊的 Token 數組。

    屬性

    token string

    當前 Token。

    bytes array

    當前 Token 的 UTF‑8 原始位元組列表，用於精確還原輸出內容，在處理Emoji、中文字元時有協助。

    logprob float

    當前 Token 的對數機率。傳回值為 null 表示機率值極低。

    top_logprobs array

    當前 Token 位置最可能的若干個 Token 及其對數機率，元素個數與入參的top_logprobs保持一致。

    屬性

    token string

    當前 Token。

    bytes array

    當前 Token 的 UTF‑8 原始位元組列表，用於精確還原輸出內容，在處理Emoji、中文字元時有協助。

    logprob float

    當前 Token 的對數機率。傳回值為 null 表示機率值極低。

    usage object

    本次請求使用的Token資訊。

    屬性

    input_tokens integer

    輸入 Token 數。

    output_tokens integer

    輸出 Token 數。

    characters integer

    該參數當前固定為0。

    input_tokens_details object

    輸入 Token 的細粒度分類。

    屬性

    image_tokens integer

    模型輸入的映像對應的 Token數。

    text_tokens integer

    模型輸入的文本對應的Token 數。

    output_tokens_details object

    輸出 Token 的細粒度分類。

    屬性

    text_tokens integer

    模型輸入的文本對應的Token 數。

    total_tokens integer

    消耗的總 Token 數，為input_tokens與output_tokens的總和。

    image_tokens integer

    輸入內容包含image時返回該欄位。為使用者輸入圖片內容轉換成Token後的長度。

    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。