设置与高级设置

这一页专门解释设置页中的参数项，以及哪些属于日常配置，哪些属于高级设置。

设置页结构

设置页按三块组织：

• 接口配置
• 处理策略
• 识别配置

不同解析模式下，页面会自动隐藏不相关字段。

一、接口配置

这一块主要放连接地址和云端服务凭据。

后端 API 地址

默认行为：

• 浏览器会自动探测 API 地址
• 一般不需要手动修改

适合手动修改的情况：

• 本地联调
• 特殊部署
• 反向代理路径与默认推断不一致

相关操作：

• 应用地址
• 自动探测

MinerU 相关

当当前解析链路使用 MinerU 时，会显示：

• MinerU Token
• MinerU Base URL
• MinerU 模型版本
• MinerU 语言
• 启用公式识别
• 启用表格识别
• 启用 MinerU OCR

适合场景：

• 复杂结构文档
• 表格 / 公式较多
• 希望走云端结构化解析

二、处理策略

这一块决定最终输出如何组织。

页面图片处理方式

这个设置直接影响 PPT 中图片是怎么保留的。

可选项：

• 图片拆出来（可单独编辑）
• 图片留在整页背景里（更像原图）

一般建议：

• 想先求稳：选整页背景
• 想后续编辑图片元素：选拆图

文字消除模式

常见选项：

• 纯色填充（推荐）
• 智能消除

推荐：

• 大多数情况下优先用 纯色填充
• 只有特殊页面再尝试 智能消除

OCR 渲染 DPI

这个设置只影响 OCR 输入图的渲染精度。

影响：

• 数值更高时，小字识别可能更好
• 但会增加耗时和内存

通常不需要一开始就调。

删除页脚 NotebookLM

适合源文件存在特定页脚标记时使用。
这个选项不是通用清理开关。

图片底图清除与图块阈值

这是典型的高级设置，主要包括：

• 清除扩边最小值
• 清除扩边最大值
• 清除扩边比例
• 图块最小面积比例
• 图块最大面积比例
• 图块最大长宽比

只在这些情况下再调：

• 背景清理不干净
• 图块拆分明显误判
• 小图标 / 小图块经常丢失

页面也提供了：

• 恢复默认阈值

三、识别配置

这一块决定 OCR 或文档解析怎么跑。

OCR 提供方

在相关模式下，会看到不同 OCR 提供方，例如：

• AIOCR
• 本地 OCR（PaddleOCR）
• 本地 OCR（Tesseract）
• 百度 OCR

你不需要所有都配置，只需要配置当前路线真正会用到的那个。

AIOCR 接口参数

当使用 AIOCR 时，常见字段包括：

• OCR API Key
• OCR Base URL
• AIOCR 厂商适配
• AIOCR 识别链路
• 版面切块模型
• PaddleOCR-VL 长边上限
• OCR 模型
• 检测 OCR 配置

AIOCR 识别链路

这是最重要的一组设置之一。

常见链路：

• 本地切块识别
• 模型直出框和文字
• 内置文档解析（PaddleOCR-VL）

理解方式：

• 本地切块识别：更稳，适合通用场景
• 模型直出：更依赖模型和提示词，风险更高
• 内置文档解析：更适合 PaddleOCR-VL 结构化路径

OCR 模型

模型输入框支持：

• 手动输入
• 候选列表选择

并且不同链路下，候选会自动过滤。

例如：

• doc_parser 只显示 PaddleOCR-VL
• direct 会过滤掉不适合的模型

OCR 配置检测

按钮：

• 检测 OCR 配置

这个功能会直接检查：

• 当前模型是否可用
• 当前链路是否能正确返回识别结果
• 是否有明显报错

适合在真正跑任务前先做联调。

提示词实验

这属于高级设置。

适用范围：

• 模型直出链路
• 本地切块识别链路

你可以调：

• 提示词预设
• 当前链路提示词覆盖
• 图片区域检测提示词覆盖

建议：

• 默认先用内置预设
• 只有当前模型经常漏字、顺序错乱、回显标签时再改

并发与限流

这也是高级设置，主要包括：

• 多页并发数
• 单页切块并发
• RPM 上限
• TPM 上限
• 失败重试次数

适合场景：

• 云端 OCR 配额敏感
• 模型经常超时
• 希望平衡速度与稳定性

百度解析 / 百度 OCR

当走百度相关路线时，会出现：

• 文档解析类型
• 百度 API Key
• 百度 Secret Key
• 百度 App ID（可选）

如果是百度文档解析，重点是结构化结果；
如果是百度 OCR，重点是识别本身。

Tesseract 设置

典型字段：

• 最低置信度
• 语言

适合：

• 纯本地环境
• 不依赖外部 OCR 服务

本地 OCR 综合检测

这是很有用的诊断区。

它会分别检测：

• Tesseract
• PaddleOCR

并区分：

• 运行环境是否就绪
• 模型文件是否齐全

如果本地 OCR 跑不通，优先看这里。

日常配置 vs 高级设置

日常最常用

• 解析引擎
• 页面图片处理方式
• OCR 提供方 / OCR 路线
• OCR API Key / Base URL / 模型
• 删除页脚 NotebookLM

只有调优或诊断时再动

• API 地址覆盖
• 文字消除模式
• OCR 渲染 DPI
• 图片底图清除阈值
• 提示词实验
• 并发与限流
• 本地 OCR 综合检测

推荐使用顺序

1. 先选解析引擎
2. 再补当前链路必需的凭据和模型
3. 用默认策略先跑通
4. 只有结果不理想时，再展开高级设置调优