拍照解题

更新时间：2026-07-10

接口描述

基于多模态大模型能力，实现K12阶段的全学科作业、试卷解题。支持用户拍照或上传图片，可输出对应每道题的答案、思路分析、过程解析等；支持结果原图渲染，图片清晰展示题目区域和对应答案解析，便于快速定位题目及其解答过程。
该接口处于公测阶段，欢迎体验！个人实名可获取免费测试资源200次，企业实名可获取免费测试资源500次。

在线调试

您可以在示例代码中心中调试该接口，可进行签名验证、查看在线调用的请求内容和返回结果、示例代码的自动生成。

提交请求接口

请求说明

请求示例

HTTP 方法：POST

请求URL： https://aip.baidubce.com/stream/2.0/ocr/v1/solve

URL参数：

参数	值
access_token	通过API Key和Secret Key获取的access_token,参考“Access Token获取”

Header如下：

参数	值
Content-Type	application/json

Body中放置请求参数，参数详情如下：

参数	是否必选	类型	可选值范围	说明
image	和 url/pdf_file 三选一	string	-	图像数据，base64编码后进行urlencode，要求base64编码和urlencode后大小不超过10M，最短边至少15px，最长边最大8192px，支持jpg/jpeg/png/bmp格式。优先级：image > url > pdf_file，当image字段存在时，url、pdf_file字段失效
url	和 image/pdf_file 三选一	string	-	图片完整url，url长度不超过1024字节，url对应的图片base64编码后大小不超过10M，最短边至少15px，最长边最大8192px，支持jpg/jpeg/png/bmp格式。优先级：image > url > pdf_file，当image字段存在时，url字段失效。请注意关闭URL防盗链
pdf_file	和 image/url 三选一	string	-	PDF文件，base64编码后进行urlencode，要求base64编码和urlencode后大小不超过10M，最短边至少15px，最长边最大8192px。优先级：image > url > pdf_file，当image、url字段存在时，pdf_file字段失效
pdf_file_num	否	string	-	需要识别的PDF文件的对应页码，当 pdf_file 参数有效时，识别传入页码的对应页面内容，若不传入，则默认识别第 1 页
disable_preprocess	否	bool	true/false	是否开启图片矫正与增强。可选值包括： `true`：开启 `false`（默认值）：不开启
stream_switch	否	bool	true/false	是否以流式接口的形式返回数据。可选值包括： `true`：是，按SSE协议逐块返回内容，以一条`is_end:"true"`消息结束； `false`（默认值）：否，当所有内容生成完毕后一起返回

请求代码示例

# 1. 获取access_token，有效期30天
curl -X POST 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=你的API_Key&client_secret=你的Secret_Key' -H 'Content-Type: application/json'

# 2. 使用access_token调用接口
curl --location --request POST 'https://aip.baidubce.com/stream/2.0/ocr/v1/solve?access_token=第一步中返回的 access_token' \
--header 'Content-Type: application/json' \
--data-raw '{"url":"https://baidu-ai.bj.bcebos.com/ocr/doc_analysis.png","disable_preprocess":false,"stream_switch":false}'

import requests
import json

API_KEY = "xxxxx"
SECRET_KEY = "xxxxx"

def main():
        
    url = "https://aip.baidubce.com/stream/2.0/ocr/v1/solve?access_token=" + get_access_token()
    
    payload = json.dumps({
        "url": "https://baidu-ai.bj.bcebos.com/ocr/doc_analysis.png",
        "disable_preprocess": False,
        "stream_switch": False
    }, ensure_ascii=False)
    headers = {
        'Content-Type': 'application/json'
    }
    
    response = requests.request("POST", url, headers=headers, data=payload.encode("utf-8"))
    
    response.encoding = "utf-8"
    print(response.text)
    

def get_access_token():
    """
    使用 AK，SK 生成鉴权签名（Access Token）
    :return: access_token，或是None(如果错误)
    """
    url = "https://aip.baidubce.com/oauth/2.0/token"
    params = {"grant_type": "client_credentials", "client_id": API_KEY, "client_secret": SECRET_KEY}
    return str(requests.post(url, params=params).json().get("access_token"))

if __name__ == '__main__':
    main()

package baidu.com;

import okhttp3.*;
import org.json.JSONObject;
import java.util.concurrent.TimeUnit;

import java.io.*;


/**
 * 需要添加依赖
 * <!-- https://mvnrepository.com/artifact/com.squareup.okhttp3/okhttp -->
 * <dependency>
 *     <groupId>com.squareup.okhttp3</groupId>
 *     <artifactId>okhttp</artifactId>
 *     <version>4.12.0</version>
 * </dependency>
 */

class Sample {
    public static final String API_KEY = "xxxxx";
    public static final String SECRET_KEY = "xxxxx";

    public static final OkHttpClient HTTP_CLIENT = new OkHttpClient().newBuilder().readTimeout(300, TimeUnit.SECONDS).build();

    public static void main(String []args) throws IOException{
        MediaType mediaType = MediaType.parse("application/json");
        RequestBody body = RequestBody.create(mediaType, "{\"url\":\"https://baidu-ai.bj.bcebos.com/ocr/doc_analysis.png\",\"disable_preprocess\":false,\"stream_switch\":false}");
        Request request = new Request.Builder()
            .url("https://aip.baidubce.com/stream/2.0/ocr/v1/solve?access_token=" + getAccessToken())
            .method("POST", body)
            .addHeader("Content-Type", "application/json")
            .build();
        Response response = HTTP_CLIENT.newCall(request).execute();
        System.out.println(response.body().string());

    }
    
    
    /**
     * 从用户的AK，SK生成鉴权签名（Access Token）
     *
     * @return 鉴权签名（Access Token）
     * @throws I

返回说明

返回参数

字段	类型	说明
log_id	uint64	唯一的log id，用于问题定位
error_code	int	错误码
error_msg	string	错误描述信息
result	dict	返回的结果列表
+data_block	list	整合result字符串
++is_end	bool	true：尾包（结束信号） false：中间包
++index	int	包序号：从0开始（0，1，2，3……）
++answer_content	string	各流式包的单题的答案与解析
+content	string	整合的完整单题的答案与解析；仅非流式场景存在
+enhance_process	bool	图片矫正是否成功，成功时返回true；仅在传入参数disable_preprocess为true时返回，流式场景仅在首包返回
+enhance_url	string	矫正后的图片url；仅在传入参数disable_preprocess为true时返回，流式场景仅在首包返回

{
  "log_id": 1234567890123456789,
  "error_code": 0,
  "error_msg": "",
  "result": {
    "data_block": [
      {
        "is_end": false,
        "index": 0,
        "answer_content": "【考点分析】："
      }
    ]
  }
}

{
  "log_id": 1234567890123456789,
  "error_code": 0,
  "error_msg": "",
  "result": {
    "data_block": [
      {
        "is_end": false,
        "index": 0,
        "answer_content": "【考点分析】：本题考查乘法分配律的逆运用，"
      },
      {
        "is_end": true,
        "index": 1,
        "answer_content": "属于整数四则混合运算中的简便计算考点。"
      }
    ],
    "content": "【考点分析】：本题考查乘法分配律的逆运用，属于整数四则混合运算中的简便计算考点。"
  }
}

试卷切题与识别（多模态）

通用卡证票据识别