Alibaba Cloud: Qwen-VL-OCR

Modèle OCR pour l'extraction de texte structuré à partir de documents et de captures d'écran.

qwen-vl-ocr

DisponibleAlibaba CloudDiscussion

Entrée / Sortie: $0.07 / $0.16
Contexte: 30K
Sortie maximale: 8K
Modalités: VisionDiscussion

À propos de Qwen-VL-OCR

Qwen-VL-OCR est le modèle de reconnaissance de texte d'Alibaba, basé sur Qwen3-VL, destiné à extraire du texte et des données structurées à partir d'images telles que des documents numérisés, des tableaux, des reçus et des captures d'écran. Il intègre des tâches prédéfinies pour la reconnaissance simple, l'extraction d'informations clés, l'analyse de tableaux, l'analyse de documents et la reconnaissance de formules, et peut corriger la rotation des images.

Points forts

Les modes de tâches intégrés couvrent la reconnaissance de texte, la reconnaissance de haute précision avec positionnement, l'analyse de tableaux vers HTML et la reconnaissance de formules vers LaTeX.
L'extraction d'informations clés transforme les reçus, certificats et formulaires en JSON en utilisant les champs que vous définissez.
La correction de la rotation des images aide à traiter les pages photographiées qui sont inclinées.

Quand préférer un autre modèle

Alibaba présente Qwen3.5-OCR comme le modèle plus récent offrant une meilleure analyse de documents et extraction de certificats.
La sortie est uniquement du texte, JSON, HTML ou LaTeX, jamais une image éditée ou annotée.
Il lit les images, ne gère pas la conversation libre et n'est pas destiné au raisonnement ouvert.

Pour commencer

Créer une clé API
Générez une clé dans Console et utilisez-la avec tous les modèles de la plateforme.

Envoyez votre première requête

Copiez l'exemple pour votre langage et lancez-le.

Texte vers texteMessages API

POST/v1/messages

Format d'API:

curl https://api.tokenlab.sh/v1/messages \
  -H "Content-Type: application/json" \
  -H "x-api-key: sk-xxx" \
  -H "anthropic-version: 2023-06-01" \
  -d '{
    "model": "qwen-vl-ocr",
    "max_tokens": 1024,
    "messages": [
      {"role": "user", "content": "Hello!"}
    ]
  }'

Tarification

Le prix Verified s’applique à Verified, moins cher sur la plupart des modèles. Le prix Official est le prix publié par le fabricant du modèle et s’applique à la route Official, plus fiable. Auto facture la route qui termine la requête.

Default

Par 1M Token

Prix Official: Entrée $0.07 / Sortie $0.16 / Texte Entrée $0.07 / Texte Sortie $0.16
Prix Verified: —
Remise: —

	Prix OfficialPar 1M Token	Prix VerifiedPar 1M Token	Remise
Default	Entrée $0.07 / Sortie $0.16 / Texte Entrée $0.07 / Texte Sortie $0.16	—	—

Utilisation et activité

Le taux de réussite est la part de requêtes abouties. La latence est la durée d'une réponse complète ; P95 signifie que 95 % des requêtes ont fini dans ce délai.

Utilisation et disponibilité

Dernières 24 heures

Requêtes
Taux de succès
Latence P95
Total des jetons

Performance du modèle

Dernière mise à jour 1 nov. 2026, 07:20 UTC

Les métriques s'affichent une fois les seuils de confidentialité et de volume de données atteints.

Les données sont basées sur les requêtes agrégées des utilisateurs, à l'exclusion des vérifications de statut.

Ouvrir dans Console

Ouvrez Qwen-VL-OCR dans Console avec un prompt prêt à modifier ou envoyer.

Aide-moi à tester qwen-vl-ocr avec un message sur /v1/messages. Affiche la réponse, la latence et le coût.

Cas d'usage

Idéal pour

Vision

Capture de reçus et de factures
Extrayez le commerçant, la date, les articles et les totaux des reçus et factures vers un format JSON pour les systèmes comptables.
Numérisation de tableaux
Convertissez un tableau numérisé ou photographié en HTML exploitable par un tableur ou une base de données.
Extraction de formules
Extrayez des équations de diapositives de cours ou de documents sous forme de LaTeX afin qu'elles puissent être éditées ou mises en page à nouveau.

Exemples de prompts

Extrayez tout le texte de cette image.

Lisez ce reçu et renvoyez un JSON contenant le commerçant, la date, les articles et le total.

Convertissez le tableau de cette numérisation en HTML.

Ce modèle a une tarification conditionnelle. Les totaux mensuels de tokens ne suffisent pas pour une estimation fiable ; utilisez la tarification détaillée selon la spécification de la requête, le cache et la fenêtre applicable.

FAQ

Que fait Qwen-VL-OCR ?

Il lit le texte des images et le renvoie sous forme de texte brut, JSON, HTML ou LaTeX, selon la tâche. Ses entrées sont des images telles que des numérisations, des reçus et des captures d'écran.

En quoi diffère-t-il de Qwen3.5-OCR ?

Qwen-VL-OCR est basé sur Qwen3-VL et dispose de modes de tâches intégrés avec correction de rotation. Alibaba décrit Qwen3.5-OCR comme l'architecture la plus récente avec une analyse de documents, une localisation de texte et une extraction de certificats améliorées.

Quelles langues peut-il lire ?

Alibaba liste le chinois, l'anglais, le russe, le français, le turc, l'italien, le portugais, l'hébreu et l'arabe parmi les langues prises en charge, et décrit le support comme multilingue plutôt que comme une liste fermée.

Peut-il extraire des champs structurés ?

Oui. La tâche d'extraction d'informations clés renvoie les reçus, certificats et formulaires sous forme de JSON, en utilisant les champs que vous spécifiez dans l'invite, afin que le code en aval puisse lire les valeurs directement.

Fonctionne-t-il pour les photos de documents ?

Oui, et il peut corriger les images pivotées. Alibaba indique que les images sont automatiquement mises à l'échelle dans une plage de pixels définie ; les images très petites ou très grandes sont donc redimensionnées avant la reconnaissance.

Combien coûte Qwen-VL-OCR ?

Sur TokenLab, Qwen-VL-OCR coûte Entrée $0.07 / Sortie $0.16 Par 1M Token. La table tarifaire ci-dessus en montre le détail complet. Les tarifs dépendent de l’unité de facturation, de la spécification et de l’usage. Comparez des conditions identiques dans la tarification détaillée du modèle ; un tarif seul ne détermine pas le coût total.

Quelles sont les limites de contexte et de sortie de Qwen-VL-OCR ?

Qwen-VL-OCR accepte jusqu'à 30 000 jetons de contexte et génère jusqu'à 8 192 jetons par réponse.

Quel endpoint Qwen-VL-OCR doit-il utiliser ?

Utilisez https://api.tokenlab.sh/v1/messages pour Qwen-VL-OCR. L'exemple de requête ci-dessous montre la structure de code correspondante.

Quelles opérations Qwen-VL-OCR prend-il en charge ?

Qwen-VL-OCR prend en charge Texte vers texte. Sélectionnez une opération pour voir l'endpoint et un exemple.