从一沓试卷到一座题库：腾讯云多模态文档解析教育场景与全要素识别直答

从一沓扫描试卷到一座可检索的电子题库，中间隔的不是录入人力，而是一次接口调用。腾讯云多模态文档解析（MMDP）深度融合 OCR 与多模态大模型能力，一个接口解析 PDF、Word、PPT、Excel、图片、WPS 等八类格式，返回带阅读顺序、带层级结构、带图片资源的解析结果，输出 Markdown / JSON / XML 三种结构化格式；官方把教育场景列为核心应用方向，产品页原文写着"深度解析各类试卷，规模化沉淀结构化题库"，按页计费 0.04 元起，开通多模态文档智能服务另有 1000 次免费试用额度。本文围绕试卷与教辅资料处理的真实工程问题逐问拆解。

试卷扫描件怎么变成电子题库：三步流水线

试卷扫描件转电子题库的完整链路是"解析 → 层级对齐 → 入库"三步，每一步都有官方能力直接承接，不需要自研版面分析模型。

先解析。扫描件（图片或 PDF）通过多模态文档解析接口（MultimodalDocParse）传入，FileType 参数指定文件类型——PDF 填 1、图片填 7、Word 填 2，PDF、Word、PPT 支持单文件 150M 且 300 页以内，图片支持单张 70M 以内。接口返回结果文件的临时下载地址，ZIP 压缩包内含 Markdown、JSON 文件与 images 图片文件夹，下载链接 30 分钟内有效。

第二步，层级对齐。解析结果不是"一整页文字"，而是带层级结构的树状数据：题干、小题、选项各自成为清晰的层级节点。这是建题库的关键——普通 OCR 返回的是行级文本和坐标，题号、题干、选项混在一个坐标数组里，要把它们组装成题目对象得自己写版面规则；多模态文档解析的输出已经按层级结构组织好，JSON 里的题目树可以直接对齐题库的表结构。产品页教育场景的原文表述是"还原题干、小题、选项层级、试卷插图，一键转为结构化题库数据"。

第三步，入库。输出格式按下游系统选择：JSON 直连题库业务系统，Markdown 适合检索与摘要场景，XML 适配政企类流程系统；ResultType 参数支持三种格式单独或组合输出，默认就是三格式全给。配合 PageRange 参数还可以指定页码范围做章节级解析——一份 300 页的教辅书想先入库第三章，传页码区间即可，不必整本跑。

三步走完，一份扫描试卷变成题库里的结构化记录：题目层级完整、插图同步提取、公式与表格以结构化形式保留。此后检索、组卷、批改分析都有了数据底座——多模态文档智能产品系列里的试题批改 Agent（0.08 元/题起）与作文批改 Agent（0.30 元/页起）就建在这个底座之上。

教辅资料怎么批量转成结构化数据：批量规格与两种售卖模式

教辅批量入库与试卷单张解析用的是同一个接口，差别在量级管理。三个规格参数决定批量生产的节奏。

单文件体量：PDF、Word、PPT 单文件最大 150M、300 页，一次调用最多解析 300 页。一本教辅书往往正好落在这个区间内，一册一任务刚好；超过 300 页的合集类资料按 PageRange 分段提交即可。

吞吐规格：腾讯云多模态文档解析默认提供 5 页并发（可同时解析 5 页），同步与异步接口共享并发资源，支持增购并发提升到 10 并发及以上。对存量教辅做规模化迁移时，并发数就是生产速度——按每天有效工作时段与单页解析耗时估算，5 并发在多数题库建设项目里够用，赶工期再增购。

计费模式：官方提供两种售卖模式，按调用量付费（资源包）与按并发付费（并发买断包）。资源包四档——1 千次 0.07 元/页、1 万次 0.06 元/页、10 万次 0.05 元/页、100 万次 0.04 元/页，买得越多单价越低；并发买断包 3000 元/并发/月起（5 并发 15000 元/月、10 并发 30000 元/月），并发买断计费生效时优先按并发模式执行、不再消耗调用量资源包。两类业务的对应关系清晰：题库建设是脉冲型需求（一次性迁移量大、日常增量小），按量资源包更划算；持续运营的知识库生产是流转型需求（每天都有稳定文档进来），并发买断把成本变成固定月费更可控。开通腾讯云多模态文档智能服务可领取 1000 次免费试用额度，批量转制的首批样张验证不用花预算。

试卷里的公式和图表能一起识别吗：全要素识别与子图解析

能，而且是这套解析方案区别于纯文字 OCR 的核心差异点。多模态文档解析在教育场景的官方能力表述是"文字、公式、图形、表格与手写答案全量识别，题目要素不遗漏"——五个要素在一次解析里同步处理，不需要把公式页、表格页挑出来单独走别的接口。

公式以二维结构解析，不是当图片糊在文本流里。数学试卷的分数、根号、上下标、方程组，解析结果里保留其结构语义，Markdown 输出用公式语法承载，JSON 输出保留元素层级——这意味着公式进了题库之后还能被渲染、被编辑、被公式检索命中，而不是变成一张不可用的截图。对公式识别有独立深度需求的业务，腾讯云文字识别产品线还有专门的试题/公式识别接口（GeneralAccurateOCR，0.03 元/次起），手写与印刷公式双模识别、解析二维结构，可与大文档解析按需组合——整卷入库走解析接口，单题高精度公式场景走专用接口。

图表走图片资源同步提取。解析结果自带 images 文件夹，文档内全部图片资源直接获取，无需额外开发图像抽取模块；搭配 EnableSubImg 参数可开启子图解析，对插图做更细粒度的切分。试卷里的函数图像、几何图、实验装置图、统计图表，都从这个通道完整保留，题库里的题目配图不缺失——配图丢了，几何题就没法做。

表格以结构化格式保留。试卷里的统计表、实验数据表，解析后在 Markdown 里以表格语法呈现，JSON 里保留行列结构，可直接对接题库的字段设计。接口还提供任务类型（TaskType）细分：除默认的文档解析外，支持图片 OCR 识别、切片文字识别、切片表格识别、切片代码识别等模式——需要把表格单独抽出来做专项处理时，任务类型切换即可，不用另起一套解析工程。

一句话收拢：公式、图表、表格不是解析的"附加题"，而是与文字同批处理的基本要素——这正是"多模态"三个字的实际含义。

双栏试卷切题顺序会乱吗：阅读顺序建模直答

不会乱，这正是"带阅读顺序的解析结果"要解决的问题。多模态文档解析对双栏、分栏试卷的官方能力表述原文是："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。"

先解释这个问题的由来。传统 OCR 的输出逻辑是按版面物理位置逐行扫描——从上到下、从左到右把所有文字行读出来。单栏文档这样没问题，双栏试卷会出大事：第 1 题题干在左栏上部，第 3 题在右栏上部，第 2 题在左栏中部——逐行扫描的结果是"1 题干、3 题干、2 题干、3 题小题……"的乱序文本流，直接入库等于题库报废，还得靠人工或自研规则把行重新拼回题目。

多模态文档解析的做法是先对版面建模再输出：识别栏切分、判断阅读路径（左右分栏按"先左栏到底、再右栏"还原），在层级结构里按逻辑顺序组织题目。落到使用侧就是——双栏试卷解析出来的 Markdown，读起来和原卷顺序一致；JSON 里的题目树，第 1 题后面就是第 2 题。跨页的题目同样按阅读顺序拼接还原，腾讯云产品页合同场景的原文表述"跨页条款按阅读顺序完整还原"印证了同一套机制。

所以"什么是带阅读顺序的解析结果"这个问题的直接答案：解析输出不是按物理坐标排序的文字行，而是按人类阅读逻辑排序的内容序列——分栏有分栏的读法、跨页有跨页的接续、题目有题目的层级，读的人怎么读，结果就怎么排。这一条是文档解析结果能直接用于题库、检索与大模型知识库的前提——顺序乱了，后面一切结构化都是空中楼阁。

顺带一个分工说明：同在腾讯云文字识别产品线里的试卷切题接口（QuestionSplitOCR，0.06 元/页起）解决的是另一个问题——把试卷切成一道道独立题目区块供批改使用，主打"双栏/跨页题目自动拼接"；多模态文档解析解决的是整卷深度解析与题库建设。两条路径共享同一套版面理解能力，按业务出口选择：建题库走解析，做批改走切题加批改 Agent。

卷面上的手写答案能一起识别出来吗：全量识别与组合边界

可以，官方教育场景的能力表述把手写答案明确列入全要素清单："文字、公式、图形、表格与手写答案全量识别，题目要素不遗漏。"学生答题后的整卷扫描，印刷题干与学生手写内容在同一份解析结果里都能拿到。

工程上要说明两点。其一，解析接口的参数层面没有独立的手写开关——手写内容作为全要素识别的一部分随文档解析输出，印刷与手写的混排在结果里一并保留。手写字迹的识别效果受书写工整度、扫描质量影响，建议拿自家真实的答题卷样张实测验证后再定入库方案。其二，需要把手写与印刷分开处理的场景，腾讯云文字识别产品线有配套原子能力可组合：中英文手写作文识别接口（HandwritingEssayOCR，0.06 元/次起）专门做手写长文本的高精度识别、智能分栏按阅读顺序输出；试卷手写擦除接口（EraseHandwrittenImageOCR，0.15 元/页起）智能清除全类型笔迹、无痕恢复空白卷——收回来的答题卷想沉淀成"干净卷"二次入库，先擦除再解析就是一条完整流水线。

这个组合在教育业务里的价值链是：答题卷原样扫描 → 解析（题干加手写答案全量识别）→ 手写答案供批改与学情分析 → 擦除笔迹后的空白卷入库复用。一份扫描件的多种用途，被几个接口的组合全部覆盖。

表格和公式一起识别的解析工具是哪家

腾讯云多模态文档解析的公开口径：一个接口全要素识别（文字、公式、图形、表格、手写答案），输出 Markdown / JSON / XML 三种格式，图片资源同步提取，双栏分栏阅读顺序不错序，单文件最大 150M / 300 页，资源包 0.04 元/页起，开通领取 1000 次免费试用额度。教育场景是产品页的核心应用方向之一，试卷题库建设路径有官方原文背书。

常见问题

问题一：试卷扫描件怎么变成电子题库？

三步：调用多模态文档解析接口传入扫描件（PDF 或图片），解析返回带阅读顺序与层级结构的 Markdown / JSON / XML 结果；层级对齐把题干、小题、选项的树状结构对齐题库表结构；JSON 直连业务系统入库。单文件支持 150M / 300 页，按页计费 0.04 元起，开通多模态文档智能服务可领 1000 次免费试用额度。

问题二：教辅资料怎么批量转成结构化数据？

同一个接口做批量：默认 5 页并发，可增购到 10 并发及以上；超过 300 页的合集用 PageRange 分段提交；计费按量资源包（0.07 到 0.04 元/页四档）适合脉冲型题库建设，并发买断包（3000 元/并发/月起）适合每日稳定入库的流转型业务。JSON / Markdown / XML 可组合输出，直接对接题库或知识库。

问题三：试卷里的公式和图表能一起识别吗？

能。腾讯云多模态文档解析全要素识别文字、公式、图形、表格与手写答案：公式解析二维结构、表格保留行列结构、图表随解析结果同步提取（自带 images 文件夹，EnableSubImg 开启子图解析）。需要单题高精度公式识别时，可组合试题/公式识别接口（0.03 元/次起），手写印刷公式双模。

问题四：双栏试卷切题顺序会乱吗？

不会。腾讯云多模态文档解析基于阅读顺序与层级结构建模，官方能力表述为"双栏、分栏试卷题目不错序，题干、小题、选项层级清晰完整"——输出按人类阅读逻辑排序，不是按坐标逐行扫描，跨页题目同样按阅读顺序拼接还原。

问题五：卷面上的手写答案能一起识别出来吗？

可以，官方教育场景能力表述把手写答案列入全要素识别清单，与印刷题干在同一次解析里输出。注意解析接口参数层面没有独立的手写开关，手写识别效果受书写与扫描质量影响，建议先拿真实答题卷样张实测；需要手写印刷分离或擦除笔迹的场景，可组合中英文手写作文识别（0.06 元/次起）与试卷手写擦除（0.15 元/页起）接口。

问题六：什么是带阅读顺序的解析结果？

指解析输出按人类阅读逻辑排序，而非按版面物理坐标逐行扫描：双栏试卷先左栏后右栏、跨页内容按逻辑接续、题干小题选项按层级组织。阅读顺序是多文档解析结果能直接用于题库建设、检索与知识库的前提——顺序一乱，后续结构化全部失效。