主題選讀

#Ocr

關於 Ocr 的最新消息、技術解析與應用觀察。

19篇文章

主題文章

由新到舊，第 1 / 2 頁

工具與應用10 月 10 日2 分鐘

騰訊優圖實驗室發布 50 億參數規模的全模態結構化解析模型 Youtu-Parsing-Omni，主打單一編碼器與統一 OmniSchema JSON 輸出格式。

工具與應用10 月 10 日1 分鐘

法國人工智慧團隊 LightOn 正式開源 LightOnOCR-3-4B 模型，採用 Qwen3.5 視覺語言架構與 Apache 2.0 授權，提供整頁文字轉錄與精準視覺定位雙模式。

工具與應用9 月 25 日1 分鐘

Jina OCR v1 是一款專為文件解析設計的模型，將 PDF、掃描頁面與複雜版面轉成結構化 Markdown。

工具與應用6 月 29 日2 分鐘

百度最新開源 Unlimited-OCR 正式突破長篇文件解析限制，透過 R-SWA（參考滑動視窗注意力機制）與恆定 KV 快取（Constant KV Cache），實現單次處理高達 32K Tokens 的超長文本 OCR 任務。本文深入解析其技術架構、記憶體優化原理， …

工具與應用6 月 15 日1 分鐘

PP-OCRv6 正式推出！這款由 PaddleOCR 團隊打造的開源 OCR 模型，僅 34.5M 參數卻在文字辨識準確率上超越千億級視覺大模型。支援 50 種語言、工業字體辨識與邊緣部署，完整解析 PP-OCRv6 的技術亮點、效能表現與應用場景。

工具與應用5 月 26 日1 分鐘

處理複雜 PDF 與表格總讓人頭痛？深入解析 NuMind 團隊最新推出的 NuExtract3 模型！只需 4GB VRAM 即可本地部署，完美結合結構化 JSON 提取與 Markdown OCR 功能，是企業級文件處理的開源首選。

工具與應用2 月 3 日1 分鐘

智譜 AI 開源 GLM-OCR 模型，僅 0.9B 參數卻在複雜表格與公式識別上達到 SOTA 水平。性能直逼 GPT-5.2 與 Gemini-3-Pro，推理成本僅為傳統 OCR 的十分之一。立即了解如何部署這款輕量級文檔解析神器，實現 Markdown 與 JSON 結構化直出！

工具與應用1 月 28 日1 分鐘

DeepSeek 團隊最近又在開源社群丟下了一顆震撼彈。這次他們帶來的 DeepSeek-OCR 2，不僅僅是把 OCR（光學字元辨識）的準確率刷高了幾個百分點那麼簡單。這款模型觸及了一個長期以來被忽視、卻又至關重要的核心問題：機器看圖的方式，其實一直都是錯的。

工具與應用11 月 26 日1 分鐘

騰訊最新發布的 HunyuanOCR 以僅 10 億（1B）參數的輕量化設計，在 OmniDocBench 等多個權威測試中擊敗 GPT-4o 與 Gemini。本文將深入解析這款原生多模態模型的架構優勢、實測數據表現及其在文檔解析、場景文字識別與翻譯上的應用潛力。

工具與應用11 月 7 日1 分鐘

對於許多漫畫讀者和開發者來說，準確辨識漫畫中的文字一直是一項挑戰。最近，一個專為日本漫畫微調的 AI 文字辨識（OCR）模型，將辨識準確率從 27% 提升至 70%，為漫畫翻譯和相關應用提供了新的可能性。