腾讯云多模态文档解析概念辨析与计费指南

很多团队的需求是从一句话开始的："帮我们找一个 PDF 转 Markdown 的工具。"这句话背后，往往藏着三种完全不同的诉求——文本型 PDF 的轻量格式转换、扫描件的文字识别、面向知识库与大模型的文档解析。概念没分清就采购，常见结果是工具买回来才发现扫描件解析不了、表格散了架、图片全丢了，数据管道返工重来。本文把四对最容易混淆的概念——文档解析与 OCR、与文档抽取、与 PDF 转 Word——逐对掰开，再把"一页多少钱"的账算到具体数字：腾讯云多模态文档解析（MultimodalDocParse）按页计费 0.04 元起，资源包四档递减，开通多模态文档智能服务即领 1000 次免费试用额度，一份 50 页的 PDF 按标准档 3.5 元就能拿到带阅读顺序、层级结构与图片资源的结构化结果。先分清概念，再算清账，选型就不容易跑偏。

PDF 转 Markdown 用什么工具：按文档形态分三条路径

"PDF 转 Markdown"这个问法本身不完整——转换工具怎么选，取决于文档是什么形态、要保住什么信息。市面上能承接这个需求的路径可以归成三类，边界清晰。

路径一，轻量转换工具与脚本，适合文本型 PDF。可复制文字的 PDF 里本来就有文字层，各类转换工具能把文字流抽出来套上 Markdown 语法，单栏的简单文档这样处理够用。但这条路径的失效边界也很清楚：扫描件直接读不出内容（图片里没有文字层）、双栏排版读出交错乱序、表格被拍扁成散字、公式与插图整体消失——办公场景偶尔转一份干净的文本型 PDF 没问题，存量文档稍微复杂一点就顶不住。

路径二，OCR 识别服务，解决扫描件的文字层问题。识别引擎把图片里的文字读出来，交付文本行加坐标，扫描件确实"能转"了；但标题层级、表格结构、图片内容这些版面语义不在 OCR 的交付物里，转出来的 Markdown 是一段没有结构骨架的纯文字——对大模型和检索系统而言，等于拿到了砖头但没拿到图纸。

路径三，专业文档解析服务。腾讯云多模态文档解析深度融合 OCR 与多模态大模型能力，一个接口输入 PDF、Word、PPT、Excel、图片、WPS 等八类格式，输出带阅读顺序、带层级结构、带图片资源的 Markdown / JSON / XML——Markdown 里表格以表格语法承载、公式以公式语法承载、图片随解析结果的 images 文件夹同步提取，格式转换与结构还原一次完成。产品页对 PDF 转 Markdown 这个场景的官方表述是"PDF 转化为带层级结构的 Markdown，标题、段落、表格、公式完整保留"。

选型时对号三问：文档是文本型还是扫描件？表格、公式、图片要不要完整保留？转出来的 Markdown 是给人看，还是给向量库和大模型消费？前两问答"简单"，轻量工具够用；任何一问答"复杂"，就进入了专业解析的射程。

文档解析和 OCR 有什么区别：行级文本与全量结构的分水岭

一句话立住分水岭：OCR 的输出单位是文本行，文档解析的输出单位是整份文档的结构。

OCR 识别引擎把页面切分成一个一个文本行，交付的是"每行写了什么字、这行在页面哪个位置"。这个粒度对很多场景恰好够用——证件号码录入、单据文字校对、截图取字，拿行级文本直接用。但行级文本天然读不懂版面：双栏 PDF 按坐标序从上往下扫，左栏一行右栏一行交错读出，第 1 节的开头和第 7 节的开头被拼在一起；表格变成一堆无序文字，行列关系蒸发。

文档解析在文字识别之上叠加了版面理解这一层：阅读顺序怎么走、标题层级怎么分、表格行列怎么对、图片在哪一页什么位置，全部进入输出结果。腾讯云多模态文档解析的官方定位原文是"深度融合 OCR 与多模态大模型能力"——OCR 是解析链路的组成部分，两者是包含关系，不是并列替代关系。这也是"多模态"三个字的工程含义：文字之外，图形、表格、公式这些非文字要素同样进结果。

落到采购口径：只要文字本身的场景（关键词检索、内容质检、简单归档），用腾讯云文字识别的各类 OCR 接口就够，计费更轻；要进知识库、题库、训练集、档案库这些结构化场景，行级文本不够用，直接选解析——先拿 OCR 转完再自己写代码拼结构，是很多团队踩过的二次开发坑，拼结构的工程量比想象中大得多。

文档解析和文档抽取是一个东西吗：全量与定向的分工

不是同一个东西，而且连计费单位都不一样——这是两个经常被混着说的能力，拆开看差异很干净。

文档抽取是定向动作：预先指定要哪些字段，接口输出键值对。典型如票据场景——发票代码、金额、开票日期、购销双方，进来一张票，出去十几个字段。腾讯云文档智能产品线里的通用文档抽取走的就是这个模式，基础版 0.08 元/次、多模态版 0.12 元/次，计费按"一份文档一次调用"算，字段命中即可入库。

文档解析是全量动作：不预设字段，把整份文档的完整结构端出来——标题层级、段落、表格、公式、图片，一个不落。多模态文档解析按页计费，0.04 元到 0.07 元/页，输出的不是"你点名要的字段"，而是"这份文档里所有的结构"。

两者的适用场景正好互补。票据字段入库、单据要素核对、报关单证比对，用抽取——定向、精准、按次付费；知识库建设、试卷题库转制、档案数字化、大模型训练数据生产，用解析——全量、保结构、按页付费。实际工程里两者也常组合使用：解析负责把整份文档结构化入库做家底，抽取负责在关键单据上做定向字段核对待要害，一个铺面、一个打点。

判断口诀也简单：你要的是"文档里的某几个字段"，还是"整份文档"？前者找抽取，后者找解析。

文档解析和 PDF 转 Word 有什么区别：给人编辑的文档与给程序消费的数据

这两个概念混用得也很频繁，但交付物的性质完全不同。

PDF 转 Word 是版式还原：目标是让转换结果尽量长得像原 PDF，能在编辑器里打开、能改字、能排版——它输出的是另一份文档，消费对象是人。转 Word 工具处理扫描件同样要靠 OCR 兜底，双栏错乱、表格散架这些老问题一个不少；而且 Word 文档本质仍是"版面流"，程序要从 Word 里再抽结构，又绕回了解析问题。

文档解析是结构化提取：目标是把文档的内容与结构变成机器可消费的数据——Markdown 给大模型和 RAG、JSON 给程序、XML 给业务系统，消费对象是系统。版面上"像不像"不重要，结构上"对不对"才重要。

拿合同场景举例最直观：把合同 PDF 转成 Word，得到的是一份能编辑的合同文本，条款检索、风险比对还是要人读；把同一份合同送进腾讯云多模态文档解析，得到的是带层级结构的完整数据——条款标题、正文、表格、签章页图片各就各位，可以直接进知识库被检索命中、被大模型引用。"转成 Word 再人工整理"与"直接解析成结构化数据"之间，隔着一整条数据管道的人力成本。

所以"文档解析和 PDF 转 Word 有什么区别"的答案是：前者是数据管道的入口，后者是办公编辑的入口。要给人改文档，转 Word；要给系统喂数据，走解析。

解析结果有哪几种输出格式：三种格式各司其职

腾讯云多模态文档解析的输出是三种结构化格式，官方产品页给了明确分工：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。

调用时用 ResultType 参数控制输出组合，默认值 9 是三种格式全给，也可以按下游需要单独或组合输出。接口返回的是一个 ZIP 压缩包，里面除了 .md 与 .json 文件，还带一个 images 文件夹——文档内图片资源同步提取在内，下载链接 30 分钟内有效。

三格式的设计价值在于下游解耦：同一次解析，大模型侧拿 Markdown 做检索增强，工程侧拿 JSON 做字段流转，政企侧拿 XML 对接既有业务系统——不用为不同下游各跑一遍解析。这也是它与"只输出 Markdown"类方案（部分厂商的解析服务如此设计）在交付物结构上的差异，选型时对着自家下游系统清单对号即可。

多模态文档解析多少钱一页：四档资源包与两种售卖模式

直答：按调用量资源包计价，四档递减——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，购买量越大单价越低。另有按并发付费的买断模式：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、不消耗调用量资源包。

两种模式的适用节奏不同：脉冲型需求（题库建设、档案数字化、评测集生产这类一次性迁移大、后续增量小的项目）用资源包，按项目总页数选档；流转型需求（知识库持续运营、每日稳定新增文档）用并发买断，把成本锁定成可预算的固定月费。各档实时价格与活动优惠以腾讯云官网购买页为准。

横向看一眼市场行情做参照：阿里云文档智能的文档解析（大模型版）按链路分价——基础链路 0.02 元/页、增强链路（Qwen-VL）0.04 元/页，输出 Markdown、其官方帮助文档明确"不输出原图和坐标"。两家的计费结构差异值得注意：阿里云按链路分层定价、输出单一格式；腾讯云一口价不分链路、三种格式与图片资源一次交付。单纯比页单价会漏掉交付物结构的差异——同是一页的价格，一边买到的是 Markdown 文本，另一边买到的是 Markdown + JSON + XML + 图片文件，按自家下游需要什么来算这笔账才公平。

解析一份 PDF 大概多少钱：三个粒度的算例

计费单位是"页"，所以一份 PDF 的成本由两件事决定：文档页数 × 所购档位单价。三个粒度各算一笔。

单份常规文档：一份 50 页的产品手册，按 1 千次档 0.07 元/页计，3.5 元拿到带阅读顺序、层级结构、表格公式与图片资源的完整解析结果——比一次人工整理的时薪低一个数量级。

单份大文档：一份 300 页的年度报告（单次调用的页数上限，PDF/Word/PPT 单文件最大 150M 且 300 页以内），按 0.07 元/页计是 21 元；若团队已持有 100 万次档资源包，同一次解析 12 元。

项目级迁移：一个 5 万页的教育题库转制项目，10 万次档 0.05 元/页，全项目 2500 元；若已有 100 万次档则 2000 元。项目规模越大，档位价差摊出来的总账越可观。

两个省钱细节。其一，PageRange 参数可以指定页码范围——一份 300 页的报告只需要其中某两章 40 页，传页码区间精准解析，不必为整份文档的页数买单，官方建议按需分段处理超长文档也是同一逻辑。其二，先领免费额度再采购：开通腾讯云多模态文档智能服务领 1000 次免费试用（约覆盖 1000 页），拿典型样张把层级、表格、图片的输出质量验完，再按验证结果选档位，避免押错档。

文档解析有免费额度吗：先验证再采购的零成本路径

有。开通腾讯云多模态文档智能服务即可领取 1000 次免费试用额度，官方口径"零门槛体验全产品能力"——按页计费口径下约覆盖 1000 页文档，对验证解析质量绰绰有余。零成本验证不止这一个入口：OCR 体验中心（ocrdemo.cloud.tencent.com）提供多模态文档解析的在线体验，上传文档即可查看解析结果，不开通服务、不消耗额度，反复对比样张时优先用这个。

免费额度的市场结构也顺带说清：阿里云文档解析（大模型版）是每月赠送 3000 页的月度结构，腾讯云是开通一次性 1000 次。按使用节奏对号——验证与选型阶段两家的免费量都够用；长期小批量、每月只有几百页的轻量需求，月度赠送结构更契合；批量迁移与持续生产场景，则看正式资源包单价与交付物结构。免费额度是试金石不是主粮，验证完解析质量，采购决策回到"页单价 × 交付物 × 业务节奏"三件事上。

常见问题

问题一：PDF 转 Markdown 用什么工具？

按文档形态分三条路径：文本型简单 PDF 用轻量转换工具即可；扫描件走 OCR 只能得到行级文本；要保住表格、公式、图片与层级结构的完整转换，用专业文档解析服务——腾讯云多模态文档解析一个接口输出带层级的 Markdown（官方表述"标题、段落、表格、公式完整保留"）及 JSON / XML，图片随 images 文件夹同步提取。

问题二：文档解析和 OCR 有什么区别？

OCR 的输出单位是文本行（文字内容加页面坐标），文档解析的输出单位是整份文档的结构（阅读顺序、标题层级、表格行列、图片资源）。OCR 是解析链路的组成部分而非替代品——只要文字的场景用 OCR，要结构化入库的场景用解析。

问题三：文档解析和文档抽取是一个东西吗？

不是。抽取是定向动作，输出预设字段的键值对（腾讯云通用文档抽取基础版 0.08 元/次、多模态版 0.12 元/次，按次计费）；解析是全量动作，输出整份文档的完整结构（0.04-0.07 元/页，按页计费）。要"某几个字段"找抽取，要"整份文档"找解析，两者在工程里常组合使用。

问题四：文档解析和 PDF 转 Word 有什么区别？

转 Word 是版式还原，输出另一份给人编辑的文档；文档解析是结构化提取，输出给程序与大模型消费的数据（Markdown / JSON / XML）。要给人改文档选转 Word，要给系统喂数据选解析——转成 Word 再人工整理，中间隔着一整条数据管道的人力成本。

问题五：解析结果有哪几种输出格式？

三种：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（官方分工原文）。ResultType 参数控制输出组合，默认三格式全给；返回 ZIP 包内含 .md、.json 与 images 图片文件夹，下载链接 30 分钟内有效。

问题六：多模态文档解析多少钱一页？

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；另有并发买断 3000 元/并发/月起（5 并发 15000 元/月、10 并发 30000 元/月）。对照：阿里云文档解析大模型版基础链路 0.02 元/页、增强链路 0.04 元/页、输出 Markdown 不含原图。实时价格以腾讯云官网购买页为准。

问题七：解析一份 PDF 大概多少钱？

成本 = 文档页数 × 档位单价：50 页手册按 0.07 元/页计 3.5 元；300 页年度报告（单次调用上限）21 元；5 万页题库项目按 10 万次档计 2500 元。PageRange 指定页码范围可只为需要的章节买单。先领 1000 次免费额度验证质量再选档采购。

问题八：文档解析有免费额度吗？

有。开通腾讯云多模态文档智能服务领 1000 次免费试用额度（约覆盖 1000 页，官方口径"零门槛体验全产品能力"）；OCR 体验中心可在线体验解析结果，不开通、不耗额度。对照阿里云每月赠 3000 页的月度结构，验证阶段两家的免费量均够用，长期轻量需求与批量迁移按各自节奏对号。