PaddleOCR-VL-1.6-0.9B ：多模态文档解析领域的 SOTA 方案，具备全要素精准解析能力，可高效识别印刷文本、手写文本、表格、公式、图表、印章等复杂文档元素；基于人类阅读习惯智能推断内容排列顺序，将零散页面信息转化为有序带标签的结构化元素序列，同时支持行级别坐标精准输出。方案覆盖中、英、日、韩、拉丁文等 100+ 种语言，完美适配全球化多语种文档处理需求；还可攻克不规则布局定位、长文档跨页解析等行业难点，全面覆盖企业级复杂文档处理场景。
\n权限说明
\n调用本文API，需使用API Key鉴权方式。使用API Key鉴权调用API流程，具体调用流程，请查看认证鉴权
\n请求参数
\nAPI Key 鉴权，示例值：Bearer {API-Key}
\napplication/x-www-form-urlencoded
\n和file_url二选一，文件的base64编码数据。\n-版式文档：pdf、jpg、jpeg、png、bmp、tif、tiff、ofd，图片最长边不大于8192px\n-流式文档：doc、docx、txt、wps、ppt、pptx\n图片不超过10M，版式文档不超过100M，流式文档不超过50M，PDF最大支持500页\n若文档大小超过50M须从file_url方式上传\n优先级：file_data > file_url，当file_data存在时file_url失效
\n和file_data二选一，文件数据URL，URL长度不超过1024字节，支持单个URL传入。\nPDF文档不超过100M，最大支持500页\n优先级：file_data > file_url，当file_data存在时file_url失效\n请注意关闭URL防盗链
\n文件名，请保证文件名后缀正确，例如 1.pdf
\n无需开启，大模型默认对版式类型文档进行公式识别
\n是否对统计图表进行解析，默认为False
\n无需开启，大模型默认解析文档中的所有图片
\n无需开启，大模型默认识别语种类型
\n是否将跨页表格合并输出，开启后tables内将返回跨页表格的合并标识，并将合并内容存放在table_html和markdown下，默认为False
\n是否对段落标题（paragraph_title）进行分级，开启后会在sub_type中输出对应的标题级别，默认为False
\n是否识别印章内容，默认为true；erase_seal=true时被强制置false
\n是否返回行坐标
\n角度矫正，默认为true
\n角度矫正模式，开启角度矫正后生效，默认为direction，可选：
\n- \n
- direction：四方向 \n
- arbitrary：任意方向 \n
印章擦除，默认为False；优先级高于recognize_seal
\n水印擦除，默认为False
\n图像扭曲矫正，默认为false
\n指定页码进行解析，默认解析全部页数
\n\n\n\n显示子属性\n隐藏子属性\n\n
\n返回整份PDF，默认为False
\n当开启角度矫正、水印擦除等预处理能力后，是否输出处理后的PDF，default=False
\n控制模型对不同内容类型图像缩放时的像素区间。支持的键及默认值：ocr_min/max_pixels（112896/1003520）、table_min/max_pixels（112896/1003520）、chart_min/max_pixels（112896/112896）、formula_min/max_pixels（112896/112896）、seal_min/max_pixels（112896/112896）、spotting_min/max_pixels（112896/1605632）
\n\n\n\n显示子属性\n隐藏子属性\n\n
\nPOST /rest/2.0/brain/online/v2/paddle-vl-parser/task HTTP/1.1\nHost: aip.baidubce.com\nAuthorization: Bearer YOUR_API_KEY\nContent-Type: application/x-www-form-urlencoded\n\nfile_data=base64编码的文件内容&file_name=test.pdf示例代码
\nimport requests\nimport os\nimport base64\n\nAPI_KEY = \"bce-v3/ALTAK-xxxxxxxx/xxxxxxxxxxxxxxxx\"\nCREATE_URL = \"https://aip.baidubce.com/rest/2.0/brain/online/v2/paddle-vl-parser/task\"\n\n\ndef create_task(file_path, file_url=\"\"):\n \"\"\"\n Args:\n file_path: 本地文件路径\n file_url: 文件链接\n Returns: 响应\n \"\"\"\n with open(file_path, \"rb\") as f:\n file_data = base64.b64encode(f.read()).decode(\"utf-8\")\n\n data = {\n \"file_data\": file_data,\n \"file_url\": file_url, # file_path 和 file_url 只能传入其中一个，不可同时传入\n \"file_name\": os.path.basename(file_path)\n }\n\n # 文档切分参数，非必传\n # return_doc_chunks = json.dumps({\"switch\": True, \"chunk_size\": -1})\n # data[\"return_doc_chunks\"] = return_doc_chunks\n\n headers = {\n \"Content-Type\": \"application/x-www-form-urlencoded\",\n \"Authorization\": f\"Bearer {API_KEY}\",\n }\n\n response = requests.post(CREATE_URL, headers=headers, data=data, timeout=120)\n return response\n\n\nif __name__ == '__main__':\n file_path = \"./test.pdf\"\n print(create_task(file_path).json())返回响应
\n唯一的log id，用于问题定位
\n错误码
\n错误描述信息
\n返回的结果
\n\n\n\n显示子属性\n隐藏子属性\n\n
\n该请求生成的task_id，后续使用该task_id获取解析结果
\n{\n \"error_code\": 0,\n \"error_msg\": \"\",\n \"log_id\": \"10138598131137362685273505665433\",\n \"result\": {\n \"task_id\": \"task-3zy9Bg8CHt1M4pPOcX2q5bg28j26801S\"\n }\n}错误码
\n如果调用失败并返回报错信息，请参见以下错误码进行解决：\n公共错误码：查看公共错误码\nOCR 错误码：查看 OCR 错误码
\n