alibaba-quark-scan

# 夸克扫描王 · 对外开放平台 > **一站式 AI 文档扫描处理开放平台** — 36 项 AI 能力，5 种接入方式，覆盖文字识别、文件扫描、格式转换、AIGC 四大领域 --- <p>官网：https://scan.quark.cn/business</p> <p>合作热线：4009030958</p> <p>合作邮箱：quark-ai@service.alibaba.com</p> --- <p> <img alt="License" src="https://img.shields.io/badge/license-Apache--2.0-blue.svg"> <img alt="Python" src="https://img.shields.io/badge/python-3.9%2B-green.svg"> <img alt="OpenClaw" src="https://img.shields.io/badge/OpenClaw-Compatible-orange.svg"> <img alt="Platform" src="https://img.shields.io/badge/platform-macOS%20%7C%20Linux%20%7C%20Windows-lightgrey.svg"> <img alt="Scenes" src="https://img.shields.io/badge/scenes-30%2B-brightgreen.svg"> <img alt="Stars" src="https://img.shields.io/github/stars/YOUR_ORG/openclaw-yescan-skills?style=social"> </p> --- ## 目录 - [平台简介](#平台简介) - [核心优势](#核心优势) - [能力全景](#能力全景) - [文字识别 OCR（19项）](#文字识别-ocr19项) - [文件扫描 Scan（13项）](#文件扫描-scan13项) - [格式转换 Typeset（3项）](#格式转换-typeset3项) - [AI 证件照 AIGC（1项）](#ai-证件照-aigc1项) - [五种接入方式](#五种接入方式) - [用户场景](#用户场景) - [客户案例](#客户案例) - [计费方案](#计费方案) - [快速开始](#快速开始) - [常见问题](#常见问题) - [联系我们](#联系我们) --- ## 平台简介 夸克扫描王开放平台是阿里巴巴智能信息事业群旗下的 AI 文档处理 PaaS 平台，源自夸克扫描王 App 数亿用户的核心 AI 技术沉淀。 平台面向 B 端开发者和企业，提供 **36 项 AI 能力**，涵盖文字识别（OCR）、文件扫描增强、格式转换、AI 证件照生成四大类，支持 **20+ 种语言** 识别，日处理量可达千万级。 **一个 API，36 项能力** — 所有能力通过统一的 Vision API 端点访问，开发者只需切换参数即可调用不同能力，极大降低集成成本。 --- ## 核心优势 ### 🎯 超高精度文字识别 基于深度学习的 OCR 引擎，准确率行业 Top 水平，精准识别印刷体、手写体、数学公式、多语种混排等复杂场景。 ### 📐 智能版式还原 大模型深度理解文档排版结构，表格、图文混排、多栏排版均可精准还原，输出保持原始版式的 Word/Excel/PDF 文档。 ### 🔍 极致扫描画质 超清扫描质量，智能识别并擦除手写字迹、水印、阴影、屏幕纹等杂质，还原干净清晰的文档图像。 ### 🔌 五种接入方式 API / MCP / OpenClaw / CLI / Hermes Agent — 覆盖直接集成、AI Agent 协作、命令行脚本等全场景，1 分钟完成接入。 ### 🛡️ 企业级安全 SHA3-256 签名鉴权 + 多层限流（全局 QPS / 账号 QPS / 能力频次）+ 数据不落盘选项，满足企业级安全合规要求。 --- ## 能力全景 ``` ┌──────────────────────────────────────────────────────────────────────┐ │ 夸克扫描王开放平台 · 36 项 AI 能力 │ ├─────────────┬────────────────────────────────────────────────────────┤ │ 文字识别 OCR │ 19 项：通用文字 / 手写文字 / 表格 / 身份证 / 营业执照 / │ │ (19项) │ 社保卡 / 驾驶证 / 行驶证 / 增值税发票 / 火车票 / │ │ │ 港澳通行证 / 学位证 / 公式 / 题目 / 海外票据 / │ │ │ 医疗报告 / 药品报告 / 商品图片 / 图片翻译 │ ├─────────────┼────────────────────────────────────────────────────────┤ │ 文件扫描 │ 13 项：扫描文件 / 试卷增强 / 证件票据增强 / │ │ (13项) │ 去手写 / 去水印 / 去阴影 / 去屏纹 / 画质增强 / │ │ │ 文档去底色 / 合同整理 / 素描速写 / 提取线稿 / │ │ │ 图像裁剪矫正 │ ├─────────────┼────────────────────────────────────────────────────────┤ │ 格式转换 │ 3 项：图片转 Word / 图片转 Excel / 图片转 PDF │ │ (3项) │ │ ├─────────────┼────────────────────────────────────────────────────────┤ │ AI 证件照 │ 1 项：智能证件照生成（9种妆容 / 3色背景 / 清晰度调节） │ │ (1项) │ │ └─────────────┴────────────────────────────────────────────────────────┘ ``` ### 文字识别 OCR（19项） 从通用文字到垂直场景的全覆盖识别能力，支持印刷体、手写体、结构化字段提取。 | 能力 | 说明 | 适用场景 | |------|------|---------| | **通用文字识别** | 支持 20+ 种语言，返回文字内容及坐标 | 文档电子化、内容提取 | | **手写文字识别** | 手写体高精度识别 | 手写笔记、批注识别 | | **表格识别** | 表格结构化提取，含行列合并 | 财务报表、数据录入 | | **身份证识别** | 正反面全字段结构化提取 | 实名认证、开户 | | **营业执照识别** | 14 个字段结构化提取 | 企业准入审核 | | **增值税发票** | 全票面信息提取 | 报销、财务系统 | | **驾驶证 / 行驶证** | 关键信息结构化 | 车辆管理、保险 | | **社保卡 / 港澳通行证 / 学位证** | 证件类结构化识别 | 政务、人事管理 | | **火车票 / 海外票据** | 票据信息提取 | 差旅报销 | | **公式识别** | LaTeX 公式输出 | 教育、学术 | | **题目识别** | 试卷题目结构化拆分 | 教育科技、在线学习 | | **医疗报告 / 药品报告** | 专业医疗文档识别 | 医疗信息化 | | **商品图片识别** | 商品标签 + 条码 | 电商、零售 | | **图片翻译** | 图中文字翻译并嵌入原图 | 跨语言文档处理 | ### 文件扫描 Scan（13项） AI 驱动的文档图像增强与处理，将手机拍照的文档还原为扫描仪级别质量。 | 能力 | 说明 | 适用场景 | |------|------|---------| | **扫描文件** | 智能裁剪 + 矫正 + 增强，一键生成扫描件 | 文档归档、电子化 | | **试卷增强** | 试卷专属优化，提升清晰度 | 教育场景 | | **证件票据增强** | 证件图片质量优化 | 身份认证 | | **去手写** | 智能擦除手写字迹，保留印刷内容 | 试卷批改、文档整理 | | **去水印** | 去除文档水印 | 文档还原 | | **去阴影** | 消除拍照阴影 | 手机拍摄文档 | | **去屏纹** | 消除屏幕翻拍的摩尔纹 | 屏幕翻拍 | | **画质增强** | 低分辨率图像超清增强 | 老旧文档 | | **文档去底色** | 去除彩色底色转为纯白 | 文档打印 | | **合同整理** | 合同文档专属整理增强 | 法务场景 | | **素描速写** | 照片转素描风格 | 创意应用 | | **提取线稿** | 提取图像轮廓线条 | 设计参考 | | **图像裁剪矫正** | 自动检测文档边界裁剪 | 文档扫描前处理 | ### 格式转换 Typeset（3项） 图片级文档智能还原为可编辑文件，保持原始排版不丢失。 | 能力 | 说明 | 输出格式 | |------|------|---------| | **图片转 Word** | 保留原始排版的 Word 文档生成 | .docx | | **图片转 Excel** | 表格图片还原为可编辑表格 | .xlsx | | **图片转 PDF** | 图片文档转为可搜索 PDF | .pdf | ### AI 证件照 AIGC（1项） 大模型驱动的智能证件照生成，支持丰富的定制选项。 | 功能 | 选项 | |------|------| | **妆容风格** | 原图、精致、红润、哑光、白皙、美肤、儿童、韩式、自然（共 9 种） | | **背景颜色** | 红色、白色、蓝色 | | **清晰度** | 4 档可调（0-3） | | **适用场景** | 员工入职、考试报名、社保公积金、签证申请、简历制作 | --- ## 五种接入方式 ### 方式一：API 直接接入（推荐） 最标准的接入方式，适合有后端开发能力的团队直接嵌入业务系统。 ``` POST https://scan-business.quark.cn/vision Content-Type: application/json ``` **Python 代码示例**： ```python from time import time import requests, uuid, hashlib client_id = "your-client-id" client_secret = "your-client-secret" sign_nonce = uuid.uuid4().hex timestamp = int(time() * 1000) # SHA3-256 签名 raw = f"{client_id}_vision_SHA3-256_{sign_nonce}_{timestamp}_{client_secret}" signature = hashlib.sha3_256(raw.encode("utf-8")).hexdigest() resp = requests.post("https://scan-business.quark.cn/vision", json={ "dataUrl": "https://example.com/document.jpg", "dataType": "image", "serviceOption": "ocr", "inputConfigs": '{"function_option":"RecognizeGeneralDocument"}', "clientId": client_id, "signMethod": "SHA3-256", "signNonce": sign_nonce, "timestamp": timestamp, "signature": signature }) print(resp.json()) ``` ### 方式二：MCP 协议接入 AI Agent 协作模式，一次配置即获得 **32 项能力**。支持 Claude Code / Cursor / VSCode / Cline 等主流 AI 开发工具。 **Server URL**： ``` https://scan-mcp.quark.cn/mcp?aiApiKey=您的apiKey ``` **Claude Code 接入**： ```bash claude mcp add --transport http quark-scan-business-mcp \ "https://scan-mcp.quark.cn/mcp?aiApiKey=您的apiKey" ``` **Cline 接入**：VS Code 安装 Cline 扩展 → MCP Server 配置 → 填写 Server URL → 选择 Streamable HTTP 协议。 ### 方式三：Skill 接入 OpenClaw等Agent Skill 化接入，最轻量，3 个聚合 Skill 包覆盖全部能力： | Skill 包 | 覆盖能力 | 下载地址 | |----------|---------|---------| | OCR识别 | 通用 / 手写 / 表格 / 证件 / 票据等 | `https://cdn.sm.cn/static/yescan-ocr-universal.zip` | | 文件扫描 | 文档 / 证件 / 合同等扫描增强 | `https://cdn.sm.cn/static/yescan-scan-universal.zip` | | 转Office | 图片转 Word / Excel / PDF | `https://cdn.sm.cn/static/yescan-transoffice-universal.zip` | ### 方式四：CLI 命令行接入 开发者友好的命令行工具，适合脚本化处理和快速测试。 ```bash # 安装 pip install yescan # 配置 API Key yescan config set SCAN_WEBSERVICE_KEY your-api-key # 使用 —— 场景名一键调用 yescan -s general-ocr -p ./document.jpg # 通用OCR yescan -s idcard-ocr -p ./id_card.jpg # 身份证识别 yescan -s image-to-word -p ./paper.jpg -o ./out/ # 图片转Word yescan -s remove-watermark -p ./watermarked.jpg # 去水印 yescan --list-scenes # 查看所有可用场景 ``` ### 方式五：Hermes Agent 接入 通过 Hermes Agent 技能包模式接入，在对话框中发送图片 + 指令即可使用。 ```bash # 安装技能 /path/to/yescan-ocr-universal.zip 安装这个技能 # 配置环境变量 echo 'SCAN_WEBSERVICE_KEY=你的APIKey' >> ~/.hermes/.env # 使用 https://img.example.com/doc.jpg 提取文字信息 ``` ### 接入方式对比 | 特性 | API | MCP | OpenClaw | CLI | Hermes | |------|-----|-----|----------|-----|--------| | 适合场景 | 业务系统集成 | AI Agent 协作 | 轻量化/Agent | 脚本/测试 | 对话式 | | 开发门槛 | 中 | 低 | 低 | 低 | 低 | | 能力覆盖 | 36 项全部 | 32 项 | 全部(按包) | 全部 | 全部(按包) | | 需要编码 | ✅ | ❌ 配置即用 | ❌ | ✅ 命令行 | ❌ | | 自定义参数 | ✅ 完全可控 | ⚠️ 有限 | ⚠️ 有限 | ✅ 完全可控 | ⚠️ 有限 | --- ## 用户场景 ### 📚 教育行业 - **试卷电子化**：试卷增强 + 去手写 → 干净的电子版试卷 - **题目识别**：从试卷图片自动拆分识别每道题目 - **公式识别**：数学公式转 LaTeX，自动录入题库 - **作业批改**：手写文字识别 + 去手写，分离学生答案与原题 ### 🏦 金融行业 - **票据识别**：增值税发票、火车票等自动录入报销系统 - **营业执照审核**：自动提取 14 个字段，企业准入自动化 - **合同管理**：合同整理 + 通用文字识别 + 图片转 PDF - **身份认证**：身份证识别 + 人脸比对 ### 🏛️ 政务行业 - **证件电子化**：身份证、驾驶证、社保卡等批量识别 - **文档归档**：扫描文件 + 去阴影 + 画质增强 → 高质量电子档案 - **表格数据录入**：表格识别 → Excel，免除人工录入 ### 🏥 医疗行业 - **医疗报告数字化**：医疗报告单、药品检验报告的结构化提取 - **处方识别**：手写处方文字识别 - **病历归档**：扫描 + 去底色 + OCR → 可检索电子病历 ### 🛒 电商零售 - **商品信息提取**：商品图片中的文字 + 条码识别 - **商品图去水印**：去除竞品水印，获取干净素材 - **图片翻译**：跨境电商商品图多语言翻译 ### 🚗 车辆物流 - **驾驶证 / 行驶证**：车辆信息自动录入 - **海外票据**：跨境物流单据识别 - **货运单据扫描**：扫描文件 + 矫正增强 ### 👤 个人 / HR - **证件照制作**：9 种妆容 × 3 色背景，入职 / 签证 / 考试一键生成 - **简历扫描**：纸质简历 → 电子版可编辑文档 - **笔记电子化**：手写笔记识别 + 图片转 Word --- ## 客户案例 ### 案例一：教育科技公司 — 题库自动化建设 **痛点**：数万份试卷需要人工录入题库，效率极低。 **方案**： 1. 试卷增强 → 去手写（去除学生作答痕迹） → 通用 OCR 识别 2. 公式识别 → LaTeX 格式直接入库 3. 表格识别 → 答题卡自动评分 **效果**：题库建设效率提升 **10 倍**，人工成本降低 **80%**。 ### 案例二：金融机构 — 票据报销自动化 **痛点**：每月处理数万张报销发票，人工录入差错率高。 **方案**： 1. 增值税发票识别 → 全字段自动提取 2. 火车票 / 商业发票识别 → 差旅费用自动汇总 3. 营业执照识别 → 供应商信息自动审核 **效果**：发票处理时间从 **3 分钟/张** 降至 **3 秒/张**，准确率 **99%+**。 ### 案例三：法律事务所 — 合同管理数字化 **痛点**：海量纸质合同查阅困难，关键信息检索效率低。 **方案**： 1. 扫描文件 → 去阴影 → 画质增强 → 高清电子档 2. 通用文字识别 → 全文内容提取 → 全文检索 3. 图片转 PDF → 可搜索 PDF 存档 **效果**：合同检索时间从 **小时级** 缩短至 **秒级**。 --- ## 计费方案 ### 计费模式 按调用次数计费，提供多档套餐包，预付费 + 配额管理。 ### 免费体验 注册即赠送免费体验额度，零成本试用全部能力。 ### 套餐包分类 | 套餐包 | 包含能力 | 说明 | |--------|---------|------| | **OCR 识别包** | 19 项文字识别能力 | 通用文字、证件、票据、公式等 | | **文件扫描包** | 13 项扫描增强能力 | 扫描、去手写、去水印、增强等 | | **格式转换包** | 3 项格式转换能力 | 图片转 Word / Excel / PDF | | **AIGC 包** | 1 项 AI 生成能力 | 证件照生成 | ### 如何购买 1. 登录 [开发者后台](https://scan.quark.cn/business) 2. 进入「管理中心」→「购买套餐」 3. 选择所需套餐包和规格 4. 支持支付宝 / 微信支付 --- ## 快速开始 ### 第一步：获取 API Key 1. 访问 https://scan.quark.cn/business 2. 点击「开发者后台」，手机号注册/登录 3. 在后台获取 **API Key ID**（clientId）和 **API Key**（clientSecret） ### 第二步：选择接入方式 | 你的需求 | 推荐方式 | |---------|---------| | 我有后端开发团队 | API 直接接入 | | 我在用 AI Agent（Claude/Cursor/Cline） | MCP 接入 | | 我想最快体验 | CLI 接入（`pip install yescan`） | | 我在用 OpenClaw / Hermes | 对应 Agent 接入 | ### 第三步：发起调用 以 CLI 为例，3 条命令即可完成： ```bash pip install yescan yescan config set SCAN_WEBSERVICE_KEY your-api-key yescan -s general-ocr -p ./test.jpg ``` ### 图片格式要求 | 要求 | 规格 | |------|------| | 支持格式 | PNG / JPG / JPEG / BMP / GIF / TIFF / WebP | | 图片尺寸 | 15px < 长宽 < 8192px，长宽比 < 50 | | 文件大小 | ≤ 10MB，建议 1.5MB | --- ## 常见问题 ### Q：一个 API Key 可以调用所有能力吗？ A：是的。所有 36 项能力共用同一个 API Key，通过 `serviceOption` + `function_option` 参数切换不同能力。 ### Q：是否支持 PDF 输入？ A：部分能力支持 PDF 输入（如通用文字识别），具体以各能力文档说明为准。图片输入为主推方式。 ### Q：QPS 限制是多少？ A：根据套餐类型有不同的 QPS 配额。如需高并发，可联系商务定制方案。 ### Q：数据安全如何保证？ A：采用 SHA3-256 签名鉴权，传输层 HTTPS 加密，支持文件不落盘选项，符合企业级数据安全规范。 ### Q：出现错误怎么排查？ A：请参照错误码表： | 错误码 | 含义 | 解决方案 | |--------|------|---------| | `00000` | 成功 | — | | `A0100` | 访问未授权 | 检查 API Key 是否正确 | | `A0202` | 无效时间戳 | 检查客户端时间同步 | | `A0300` | 超 QPS 限制 | 降频或升级套餐 | | `A0301` | 超每日调用限制 | 等待次日重置或升级 | | `A0400` | 图片解析失败 | 检查图片格式和大小 | | `B0101` | 系统超时 | 重试即可 | --- ## 联系我们 | 渠道 | 信息 | |------|------| | 🌐 官网 | https://scan.quark.cn/business | | 📞 合作热线 | 4009030958 | | 📧 合作邮箱 | quark-ai@service.alibaba.com | | 📖 开发文档 | https://scan.quark.cn/blm/scank-business-docs-703/docs-v2 | --- *© 2025 阿里巴巴智能信息事业群 · 夸克扫描王团队*