多模态文档解析
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。
产品文档客户交流群
产品优势
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
常见问题
多模态文档解析如何计费？
提供两种售卖模式：按调用量付费（资源包，购买越多单价越低）与按并发付费（并发买断包，3000 元/并发/月起），并发买断计费生效时，优先执行并发买断计费模式，不消耗调用量资源包，可根据业务规模灵活选择。
多模态文档解析默认并发是多少？可以提升吗？
默认提供 5 页并发（可同时解析5页），支持增购并发买断包提升至 10 并发及以上（如需增购并发，请联系商务），满足大批量文档集中处理诉求。
多模态文档解析是否支持提取文档内的图片？
能。解析结果自带 images 文件夹，同步提取文档内全部图片资源；搭配 EnableSubImg 参数可开启子图解析，支持更细粒度的图像抽取。
多模态文档解析支持的文件大小和页数限制是多少？
PDF/Word/PPT 支持单文件 150M 且 300 页以内，Excel 支持 10M 以内，TXT 支持 10M 以内，图片支持单张 70M 以内。单次调用最多支持 300 页，可通过 PageRange 参数指定页码范围，实现章节级精准解析。
多模态文档解析的结果支持哪些输出格式？
支持 JSON、Markdown、XML 三种输出格式，可通过 ResultType 参数单独或组合输出（默认 json+markdown+xml）。解析结果为 ZIP 压缩包，内含 .md、.json 文件与 images 图片文件夹，结果下载链接 30 分钟内有效。
