建议提供官方托管 API / 百炼(DashScope)接入，减少本地部署门槛

你好，感谢开源 `Logics-Parsing`。

目前 README 的主路径还是以本地权重 + `inference_v2.py` 推理为主。对于很多真实用户来说，这条路径门槛还是比较高，主要有几个问题：

1. 显存门槛较高
- 很多常见设备只有 8GB 显存，难以稳定跑通 `Logics-Parsing-v2`
- Windows 环境下依赖、加速库、推理稳定性也更容易踩坑

2. 批量文档场景更需要“服务化”而不是“单机脚本”
- 教材 / 讲义 / PPT / PDF 批量解析时，用户更希望直接调用一个稳定 API
- 对 OCR / 文档解析工具链开发者来说，官方托管 API 也更容易集成到现有系统里

3. 当前生态里，用户很自然会期待阿里云侧有对应能力
- 比如百炼 / DashScope / OpenAI-compatible API
- 哪怕第一阶段只提供基础文档解析能力，也会大幅降低使用门槛

想请教团队：
- 后续是否有计划提供官方托管 API？
- 是否考虑接入阿里云百炼 / DashScope？
- 如果已经有内部路线，是否可以给一个大致 roadmap？

如果短期内还不会提供完整托管服务，也很希望至少能有：
- 官方服务化部署方案（例如 vLLM / HTTP service）
- 标准请求 / 响应格式示例
- 面向 PDF / PPT / image 的统一 API 接入文档

我觉得这会极大提升 `Logics-Parsing` 的实际可用性和落地速度。谢谢！

Start with README and inference_v2.py to understand the current local-inference path and its deployment assumptions. Review the requested vLLM/HTTP service, DashScope or OpenAI-compatible API, and unified PDF/PPT/image examples as possible scopes. Done requires an agreed, implementable API or deployment scope with defined request and response behavior.

Written by the indexing model from the issue text.