OpenThai 2.0 OCR Markdown

将泰语或英语文档页面读成 Markdown。每张表格都以 HTML 表格输出，并保留合并单元格（rowspan 和 colspan），泰国政府表格的多级表头因此不会丢失；页面上的每个区块都带有类别和位置框。输出可直接用于搜索索引、检索增强（RAG）流程或语言模型的提示词。

该 API 直接运行 iApp 的开放模型 OpenThai 2.0 OCR Markdown，中间没有其他环节：每一页都由模型本身读取。在 65 页含表格的泰国政府和大学文档上得分 95.2。每页 0.15 IC。

POST/v3/store/ocr/document/markdown试一试

• 价格0.15 IC每页
• 实测95.2
• 承载19,200 页/小时

• v1.0.0-20261112
• 更新 2026 年 11 月 12 日
• 运行中

输入

输出POST /v3/store/ocr/document/markdown

{
  "markdown": "๑ เอกสารแนบ
รายชื่อแบบรายงานที่กำหนดให้ผู้ประกอบธุรกิจรายงาน

<table><tr><th colspan="1" rowspan="2">แบบรายงาน</th> ...</table>",
  "pages": [
    {
      "page": 1, "width": 1696, "height": 1199,
      "markdown": "...",
      "blocks": [
        { "class": "Text", "bbox": [628, 95, 1484, 178], "text": "..." },
        { "class": "Table", "bbox": [136, 182, 1615, 1071], "text": "<table>...</table>" }
      ],
      "truncated": false
    }
  ],
  "time": 1.5,
  "version": "v1.0.0-20261112",
  "iapp": { "page": 1, "char": 2234 }
}

Markdown 和表格仅显示部分；该页共 4,001 个字符。

全部字段见“响应”一节

请求

curl -X POST https://api.iapp.co.th/v3/store/ocr/document/markdown \
  -H "apikey: YOUR_API_KEY" \
  -F "file=@document.pdf"

响应

200成功。字段在"响应"一节说明。

{
  "markdown": "๑ เอกสารแนบ
รายชื่อแบบรายงานที่กำหนดให้ผู้ประกอบธุรกิจรายงาน

<table><tr><th colspan="1" rowspan="2">แบบรายงาน</th> ...</table>",
  "pages": [
    {
      "page": 1, "width": 1696, "height": 1199,
      "markdown": "...",
      "blocks": [
        { "class": "Text", "bbox": [628, 95, 1484, 178], "text": "..." },
        { "class": "Table", "bbox": [136, 182, 1615, 1071], "text": "<table>...</table>" }
      ],
      "truncated": false
    }
  ],
  "time": 1.5,
  "version": "v1.0.0-20261112",
  "iapp": { "page": 1, "char": 2234 }
}

表格示例为泰国银行第 60/2569 号公告附件的第一页，内容是租购与租赁企业须报送的报告，于 2026 年 11 月 6 日发布。该 PDF 的文字层无法使用：从中复制出的文字是乱码，只能通过 OCR 读取。来源：泰国皇家公报（ราชกิจจานุเบกษา），经由 open-law-data-thailand/soc-ratchakitcha，CC BY 4.0。

请求

multipart/form-data，每个请求一份文档。

请求头

apikeystring必填

你的 API 密钥，在控制台的 API Keys 中创建。也可以作为查询参数 apikey 发送。

请求体

filefile必填

文档：PDF 或图片（JPEG、PNG、WebP、TIFF 或 BMP）。多页 TIFF 按页读取。最大 50 MB、100 页。

接口	返回	每页
/v3/store/ocr/document/markdown	含 HTML 表格的 Markdown，以及每页各区块的类别和位置框	0.15 IC

如需纯文本，或 Word、PowerPoint、Excel、可检索 PDF 文件，请使用 OpenThai 2.0 OCR Text，每页 0.049 IC 起。

响应

JSON。响应头 iapp-input-pages 给出完整读取的页数，费用为该页数乘以 0.15 IC。

markdownstring

整份文档的 Markdown，按页排列。表格为 HTML。

pagesarray

每页一项。

pages.pageinteger

页码，从 1 开始。

pages.widthpages.heightinteger

所读取页面图像的尺寸（像素）。PDF 页面以 200 dpi 读取。

pages.markdownstring

该页的 Markdown。

pages.blocksarray

该页的区块，按阅读顺序排列。

pages.blocks.classstring

区块类别，例如 Title、Section-header、Text、Table、Picture、Footnote、Page-header 或 Page-footer。

pages.blocks.bboxarray

区块的位置框 [x0, y0, x1, y1]，单位为页面图像的像素，从左上角起算。

pages.blocks.textstring

区块内容。Table 为 HTML 表格。

pages.truncatedboolean

若该页在 token 上限处被截断则为 true，此时其 markdown 为空，该页不计费。

timefloat

读取所用秒数。

versionstring

服务版本。

iappobject

iapp.pageinteger

完整读取的页数，即计费页数。

iapp.charinteger

读取的字符数。

状态码	情况	是否计费
400	没有 file 字段，或文件为空	否
401	没有 API 密钥或密钥无效	否
413	超过 50 MB 或超过 100 页	否
415	无法读取的文件；可接受的类型列在 accepted 中	否
422	没有任何一页被完整读取	否
503	服务暂时不可用，请稍后重试	否

详细信息

测评结果

模型的基准测试，所有模型使用相同的页面和相同的评分脚本：

所有模型读取相同的页面，并由同一脚本评分；Typhoon OCR V2 2B 与 Typhoon OCR V2 0.8B 使用其模型卡上的设置。区间为按页配对 bootstrap 的 95% 区间。

模型	规模	泰文文档表格	ThaiOCRBench 表格	泰文印刷文字	每页秒数	新皇家公报页面
OpenThai 2.0 OCR Markdown	0.63B	95.2	68.9	90.3	1.6	98.7
Nemotron 3.5 Parse（基础模型）	0.63B	91.3	68.3	89.0	1.8	91.5
Typhoon OCR V2 2B	2B	91.6	67.6	89.6	15.8	94.6
Typhoon OCR V2 0.8B	0.8B	89.0	64.7	85.8	18.7	–

• 泰文文档表格：65 页泰国政府机构和大学的真实文档，文字与表格合并评分。比 Typhoon OCR V2 2B 高 3.6 分，95% 区间 [+1.2, +6.2]；比其基础模型高 3.9 分。
• ThaiOCRBench 表格：在其 193 张表格图像上评估表格结构与内容（TEDS）。对 Typhoon OCR V2 2B 为 +1.3，[−1.7, +4.6]：持平。
• 泰文印刷文字：字符准确率 100 × (1 − 字符错误率)，为 12 个测试集的平均，共 1,200 页及 50 份完整的行政法院判决书。对 Typhoon OCR V2 2B 为 +0.76，[−0.04, +1.51]：持平。因重复循环被截断的页面按空白计；2,270 页中没有一页被截断。
• 每页秒数：在一张 NVIDIA H100 上通过 vLLM 逐页发送 12 页的中位数。Typhoon OCR V2 2B 在我们使用的 vLLM 版本上需要 --enforce-eager，因此其时间偏慢。
• 新皇家公报页面：339 页，来自 2026 年 11 月 4–9 日 发布的 293 份文件，晚于我们收集训练数据的时间。该测试集在任何模型读取之前锁定，每个模型对每页只读一次；指标为字符准确率。这些是新文件，但属于 OpenThai 2.0 OCR Markdown 训练过的类型（此前月份的皇家公报页面），因此它们说明的是模型读取未见过的文件的能力，而不是读取新类型文件的能力。参考文本由制作我们皇家公报训练标签的同一工具生成，因此遵循本模型学过的书写惯例。对 Typhoon OCR V2 2B 为 +4.1，[+3.7, +4.4]；去掉所有空格、使换行合并方式不计入时，为 +3.5，[+3.2, +3.9]。Typhoon OCR V2 0.8B 未在此测试集上运行。

简而言之：在泰文文档表格和新皇家公报页面上显著优于 Typhoon OCR V2 2B，在 ThaiOCRBench 表格和印刷文字上与其持平。在训练数据收集之后发布的 339 页新皇家公报上，其字符准确率为 98.7%，Typhoon OCR V2 2B 为 94.6%。方法和每个测试集的结果见模型页面。

这些数据同样适用于 API，因为 API 直接运行模型，中间没有其他环节。2026 年 11 月 10 日通过线上接口运行这 65 页表格，得分 95.8，没有失败的请求，也没有被截断的页面。

性能

2026 年 11 月 10 日在生产服务上测得：从发送请求到收到答复，每页中位数 1.49 秒（从曼谷逐页发送，12 页表格页面为 0.87 至 3.40 秒）；同时处理 16 页时，内容密集的页面约每小时 19,200 页。一份 100 页、24 MB 的 PDF 在服务端约 20 秒读完，不含上传时间。

局限

• 每个请求最多 100 页、50 MB；更长的文档请拆分发送。
• 拍摄的单个词语和很短的裁剪图识别效果不如整页：OCR104 拍摄的文档裁剪图上为 96.4，Typhoon OCR V2 2B 为 99.8。
• 针式打印文字（银行存折、针式打印的表单）识别效果不如普通印刷文字：在我们的针式打印开发集裁剪图上，字符准确率约 89%；这些裁剪图是生成的，目前还没有真实针式打印的测试集，因此真实存折上的结果预计会更低。
• 手写仅在单行文字层面可读；整页手写不是目标。
• 场景文字和屏幕照片不是目标。

数据处理

文档在泰国境内处理，仅在请求期间保存在内存中：文件和结果都不会被存储。只记录请求的元数据（路径、状态、页数和时间）。PDPA 和 GDPR 规定的同意与告知义务仍由你作为数据控制者承担。

该模型是开放模型，也可以在你自己的 GPU 上运行，文档无需离开你的网络：权重在 Hugging Face 上，可免费下载，模型页面给出了运行命令。

更新日志

版本	日期	变更
v1.0.0-20261112	2026 年 11 月 12 日	首次发布：OpenThai 2.0 OCR Markdown 以 API 形式提供，每页 0.15 IC。