产品介绍
多模态文档解析（Multimodal Document Parsing）深度融合 OCR 技术与多模态大模型能力，一个接口即可解析 PDF、Word、PPT、Excel、图片、WPS 等多种文档格式，提供带阅读顺序、带层级结构、带图片资源的解析结果，支持输出 Markdown / JSON / XML 结构化数据，一站式覆盖企业知识库、RAG 应用与大模型训练等文档解析场景。
核心优势
格式全覆盖
支持 PDF、Word、PPT、Excel、Markdown、TXT、图片、WPS 等多类常见办公及文本格式，覆盖企业 90%+ 的文档处理场景。
多格式结构化输出
支持 JSON、Markdown、XML 三种输出格式，可单独或组合输出。JSON 适配程序化处理、Markdown 适配大模型与 RAG 消费、XML 适配结构化业务系统。
图片资源同步提取
解析结果自带 images 文件夹，文档内图片资源直接获取，无需额外开发图像抽取模块。搭配 EnableSubImg 参数可开启子图解析，支持更细粒度的图像抽取。
应用场景
教育场景
深度解析各类试卷，规模化沉淀结构化题库
依托多模态文档解析能力，将 PDF、图片等多种形态的试卷一键解析为结构化题库数据，支撑题目检索、智能组卷与批改分析等应用。
版面层级还原
基于阅读顺序与层级结构建模，双栏、分栏试卷题目不错序，题干、小题、选项层级清晰完整。
全要素识别提取
文字、公式、图形、表格与手写答案全量识别，子图解析完整保留试卷插图，题目要素不遗漏。
多格式结构化输出
支持 JSON/Markdown/XML 多种结构化格式输出与页码范围解析，标准 API 快速接入，规模化构建智能题库。
大模型知识库场景
海量文档批量解析，高质量训练数据规模供给
将堆积的 PDF、Word、PPT 等文档批量转化为结构化训练数据，为大语言模型预训练、微调与评测集建设提供稳定的数据供给。
大文件批量处理
单次调用最高支持 300 页、150M 大文档解析，存量文档规模化处理，有效提升数据处理效率。
层级数据高保真输出
带阅读顺序、带层级结构的 Markdown / JSON / XML 结果，段落、表格、标题层级完整保留，模型学得更快更准。
图片资源同步提取
解析结果自带 images 文件夹，开启子图解析还可对插图精细切分，文档中的图形资源零开发直接入库，多模态数据留存更完整。
合同解析场景
多源合同一接口解析，关键要素直达业务系统
针对图片、Word、PDF 等多来源合同，一个接口即可完成统一解析，输出结构化要素数据，识别结果可供用户用于智能审核、合规检查与归档检索等应用。
多源格式统一处理
拍照图片、Word/PDF 电子合同一个接口全部打通，无需按文档格式维护多套解析工具，集成与维护成本更低。
合同要素全量识别
合同主体、标的金额、履约期限、签署盖章与手写批注全量识别，跨页条款按阅读顺序完整还原，扫描件同样精准。
输出格式按需组合
JSON 直连业务系统、Markdown 便于检索摘要、XML 适配政企流程，支持单独或组合输出，配合页码范围解析精准提取关键章节，节省调用成本。
