OCR 与文档解析
区分同步文字识别和 MinerU 异步解析，上传文档、申报页数并领取全部结果。
选择能力
| 目标 | 操作 | 结果 |
|---|---|---|
| 从图片识别文字 | POST /ocr | 同步响应，不创建图片作品 |
| 将 PDF、Office 或图片解析为结构化文档 | POST /documents/parse | 异步任务，返回 Markdown、JSON 和可选图片 ZIP |
MinerU 的公开别名为 mineru-document-parse。先按首次调用创建具有该服务权限的 Account API Key；在服务端使用 https://api.jusuanhub.com/v1 和 Authorization: Bearer <API_KEY>。不要把 Key 放入浏览器代码。
上传和输入限制
通过 POST /assets/input?model=mineru-document-parse，使用 multipart file 上传一个文件，读取响应的 asset.assetId，作为后续 input_document_asset_id；也可直接用 input_document_url 提供公网 HTTPS 地址（见直接使用公网 URL）。素材绑定原身份和服务，查询和下载使用同一 Bearer Key。
当前支持 PDF、DOCX、PPTX、XLSX、JPEG、PNG、WebP，单文件最大 256 MiB；不接受旧二进制 DOC/PPT/XLS、加密或损坏文件。以服务发现和模型卡片的当前合同为准。
| 输入 | 页数申报 |
|---|---|
| PDF 全文 | pages 为预计处理页数，范围 1–500。 |
| PDF 部分页 | 使用从 1 开始的闭区间 page_range，如 {"start_page":3,"end_page":8}；按区间长度预占。 |
| DOCX、PPTX、XLSX | 必填 pages，申报转换后预计页数，范围 1–500；不接受 page_range。工作表数不等于转换页数。 |
| JPEG、PNG、WebP | 单张图片按一页处理，不接受 page_range。 |
pages 用于计费预占和处理上限，不能用虚假的一页绕过限额。成功后按可信 processedPages 结算；Office 以转换后实际解析页数为准，超过申报上限会失败。费用以活动按页报价为准。
OCR 请求
{"model":"<OCR_MODEL_ALIAS>","input_image_asset_id":"<ASSET_ID>","pages":1,"task":"ocr"}task 只使用服务明确支持的枚举。OCR 输入字段不要与解析接口的 input_document_asset_id 混用。
文档解析请求
{
"model":"mineru-document-parse",
"input_document_asset_id":"<ASSET_ID>",
"original_name":"document.pdf",
"pages":12,
"preset":"hybrid-medium",
"language":"ch"
}以 JSON 提交到 POST /documents/parse，携带稳定的 Idempotency-Key。原始文件名不含路径。预设为 hybrid-medium 或 hybrid-high，语言为 ch 或 en，中文不是 zh。复杂版面、公式和表格仍需人工复核。
创建后保存 jobId、jobUrl 和幂等键，按照异步任务有界轮询；遇到超时先恢复查询原任务，不自动重提。当前不提供用户取消。
下载全部结果
任务 succeeded 后遍历 outputs[]，逐个使用原样 contentUrl 和同一 Bearer Key 下载。输出均为文档资产；不要只保存 outputs[0]，也不要追加媒体水印参数。
| 产物 | MIME | 是否必需 |
|---|---|---|
| Markdown | text/markdown | 是 |
| 内容列表 content_list | application/json | 是 |
| 结构化中间结果 middle_json | application/json | 是 |
| 图片归档 images_archive | application/zip | 有图片时可能返回 |
同时保存 Job 响应、各产物 MIME、字节数和 SHA-256，下载后校验。outputs[].assetRole 是通用资源角色，不是 content_list 等业务角色；业务角色见结果 manifest.artifacts[]，可通过摘要与输出关联。不要仅靠数组顺序区分两份 JSON。
图片 ZIP 中保留 images/ 路径；使用 Markdown 的相对图片引用时，将图片目录放在其对应位置。结果不进入“作品与素材”，从原 Job 领取。失败任务没有可用结果；输入页数不合法、素材到期或归属不匹配时先修正原因，不猜测下载地址。