- 輸入 / 輸出
- $0.07 / $0.16
- 上下文
- 30K
- 最大輸出長度
- 8K
- 模態
- 視覺辨識對話
關於 Qwen-VL-OCR
Qwen-VL-OCR 是阿里巴巴基於 Qwen3-VL 構建的文字辨識模型，用於從掃描文件、表格、收據與螢幕截圖等圖片中提取文字與結構化資料。它內建了純文字辨識、關鍵資訊提取、表格解析、文件解析與公式辨識等任務，並能修正圖片旋轉角度。
適用場景
- 內建任務模式涵蓋文字辨識、高精度定位辨識、表格轉 HTML 解析，以及公式轉 LaTeX 辨識。
- 關鍵資訊提取功能可根據您定義的欄位，將收據、證書與表單轉換為 JSON 格式。
- 圖片旋轉修正功能有助於處理拍攝歪斜的頁面。
其他選擇建議
- 阿里巴巴指出 Qwen3.5-OCR 是更新的模型，具備更好的文件解析與證書提取能力。
- 輸出僅限文字、JSON、HTML 或 LaTeX，不會輸出經過編輯或標註的圖片。
- 它用於讀取圖片，而非進行自由對話，且不適用於開放式推理。
入門指南
建立 API 金鑰
請至 Console 建立金鑰，即可在平台上使用各類模型。
發送您的第一個請求
複製您所選語言的範例，並針對端點執行它。
文字轉文字Messages APIPOST/v1/messagesAPI 格式: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!"} ] }'
定價
Verified 價格用於 Verified，多數模型更便宜；Official 價格是模型廠商公布的價格，用於更穩定的 Official。Auto 按最終完成請求的線路計價。
Default
每 1M Token- Official 價格
- 輸入 $0.07 / 輸出 $0.16 / 純文字 輸入 $0.07 / 純文字 輸出 $0.16
- Verified 價格
- —
- 折扣
- —
| Official 價格每 1M Token | Verified 價格每 1M Token | 折扣 | |
|---|---|---|---|
| Default | 輸入 $0.07 / 輸出 $0.16 / 純文字 輸入 $0.07 / 純文字 輸出 $0.16 | — | — |
使用量與活動
成功率是請求完成的比例；延遲是一次完整回應所需的時間，P95 表示 95% 的請求在該時間內完成。
用量與可用性
過去 24 小時- 請求數
- 成功率
- P95 延遲
- 總 Token 用量
資料基於彙總的使用者請求，不包含狀態檢查。
直接在 Console 裡試
在 Console 中開啟 Qwen-VL-OCR，並準備好編輯或發送提示詞。
協助我使用 qwen-vl-ocr 透過 /v1/messages 進行對話，並顯示回覆、延遲與成本。
應用情境
適合場景- 視覺辨識
收據與發票擷取
從收據與發票中提取商家、日期、明細項目與總金額，並轉換為會計系統可用的 JSON 格式。
表格數位化
將掃描或拍攝的表格轉換為 HTML，以便匯入試算表或資料庫。
公式提取
從教學投影片或論文中提取方程式並轉換為 LaTeX，以便重新編輯或排版。
提示詞範例
提取此圖片中的所有文字。
讀取此收據，並回傳包含商家、日期、明細項目與總金額的 JSON。
將此掃描檔中的表格轉換為 HTML。
此模型按條件計價，僅憑每月 token 總量無法可靠估算；請按請求規格、快取和適用時段查看詳細定價。
FAQ
Qwen-VL-OCR 的功能是什麼？
它能讀取圖片中的文字，並根據任務需求回傳純文字、JSON、HTML 或 LaTeX。其輸入來源為掃描檔、收據與螢幕截圖等圖片。
它與 Qwen3.5-OCR 有何不同？
Qwen-VL-OCR 基於 Qwen3-VL，具備內建任務模式與旋轉修正功能。阿里巴巴將 Qwen3.5-OCR 描述為採用最新架構的模型，在文件解析、文字定位與證書提取方面有所增強。
它能讀取哪些語言？
阿里巴巴列出的支援語言包括中文、英文、俄文、法文、土耳其文、義大利文、葡萄牙文、希伯來文與阿拉伯文，並將其描述為多語言支援，而非封閉的語言列表。
它能提取結構化欄位嗎？
可以。關鍵資訊提取任務會根據您在提示詞中指定的欄位，將收據、證書與表單回傳為 JSON，以便後端程式直接讀取數值。
它適用於文件照片嗎？
適用，且能修正旋轉的圖片。根據阿里巴巴的文件，圖片會自動縮放至指定的像素範圍內，因此過小或過大的圖片在辨識前會先進行調整。
Qwen-VL-OCR 的費用是多少？
在 TokenLab 上，Qwen-VL-OCR 價格為 輸入 $0.07 / 輸出 $0.16 每 1M Token。完整明細見上方價格表。 價格因計費單位、規格和用量而異。請在模型的詳細定價中比較相同條件下的費率；單一費率不代表總價。
Qwen-VL-OCR 的上下文長度與輸出限制為何？
Qwen-VL-OCR 支援最高 30,000 tokens 的上下文，單次回應上限為 8,192 tokens。
Qwen-VL-OCR 應該使用哪一個端點？
請使用 https://api.tokenlab.sh/v1/messages 進行 Qwen-VL-OCR 的呼叫。下方的請求範例展示了對應的程式碼格式。
Qwen-VL-OCR 支援哪些操作？
Qwen-VL-OCR 支援 文字轉文字。請在上方選擇一項操作以查看其端點與請求範例。
比較 Qwen-VL-OCR
來源
更新於 2026年10月2日
