Zum Hauptinhalt springen
ToolPotion
KI-Berater
Einreichen

OXR-1.0

KI-ModelleKI-Modelle & LLMsFree API / Open Source · Web

OXR-1.0 ist ein Open-Source-Dokumentenparser-Modell, das vom SoMark-Team entwickelt wurde. Es wandelt PDFs und Dokumentenbilder in agentenfreundliche Datenformate wie Markdown oder JSON um, einschließlich Layout-Koordinaten. Durch die Nutzung einer rekursiven Selbstverbesserungsschleife während des Nachtrainings erreicht OXR-1.0 eine erstklassige Genauigkeit und branchenführende Parsing-Geschwindigkeiten mit nur 1,3 Milliarden Parametern, was es äußerst effizient für verschiedene Dokumentenverarbeitungsbedürfnisse macht.

Modell ansehen
Teilen
Modell ansehen
Teilen

OXR-1.0 ist ein fortschrittliches Open-Source-Dokumentenparser-Modell, das vom SoMark-Team entwickelt wurde und darauf ausgelegt ist, komplexe Dokumente wie PDFs und Bilder in strukturierte, agentenfreundliche Daten umzuwandeln. Es gibt Daten in Formaten wie Markdown oder JSON aus, die mit Layout-Koordinaten versehen sind, was es äußerst vielseitig für verschiedene Anwendungen macht, die ein präzises Dokumentenverständnis erfordern.

Weiterlesen

OXR-1.0 zeichnet sich durch seine innovative Architektur aus und ist das erste Dokumentenparser-Modell, das eine rekursive Selbstverbesserungsschleife (RSI) während des Nachtrainings integriert. Dieser einzigartige Ansatz ermöglicht es dem Modell, seine Leistung zu verbessern, indem es gezielt Proben anvisiert, die es falsch oder schwach verarbeitet, was die Iteration und Verbesserung erheblich beschleunigt, ohne dass eine menschliche Annotation erforderlich ist. Trotz der nur 1,3 Milliarden Parameter rangiert OXR-1.0 konstant auf Platz 1 in wichtigen Benchmarks wie olmOCR-Bench, OmniDocBench und DocParsingBench und zeigt eine überlegene Genauigkeit, insbesondere beim Parsen von Tabellen.

Ein zentrales Merkmal von OXR-1.0 ist sein pluggable Layout-Analysemodul, das in der Branche einzigartig ist. Dieses Design ermöglicht es den Nutzern, das integrierte Layout-Modell durch ein benutzerdefiniertes zu ersetzen, was eine unvergleichliche Flexibilität bietet, um sich an verschiedene domänenspezifische Anforderungen anzupassen. OXR-1.0 behält seine Kernfähigkeiten in der Inhaltserkennung und der Lesereihenfolge bei, was einen minimalen Integrationsaufwand in verschiedenen Dokumentenszenarien gewährleistet. Es kann 13 verschiedene Dokumentelementtypen erkennen, von Formeln und Tabellen bis hin zu chemischen Gleichungen und Codeblöcken, und bietet für jedes Element die Begrenzungsrahmenkoordinaten.

Neben seiner Genauigkeit bietet OXR-1.0 eine erstklassige Parsing-Geschwindigkeit und übertrifft andere Open-Source-Modelle in Geschwindigkeitstests. Diese Effizienz wird durch eine neu gestaltete Verarbeitungsarchitektur auf Aufgabenebene erreicht, die die Geschwindigkeit optimiert und gleichzeitig eine hohe Genauigkeit bewahrt. Das Modell ist in der Lage, herausfordernde Dokumenttypen und Layouts zu verarbeiten, einschließlich A3-Prüfungsunterlagen, Zeitungen, vertikalen Texten und sogar Handschrift. SoMark bietet eine kostenlose API zum Testen an und stellt umfassende CLI- und SDK-Tools für Python und JavaScript zur Verfügung, um eine breite Kompatibilität und einfache Integration für Entwickler zu gewährleisten.

  • KategorieKI-Modelle & LLMs
  • PreismodellFree API / Open Source
  • BereitstellungCloud, Läuft lokal
  • PlattformenWeb

  • Open-Source-Dokumentenparser-Modell

  • Konvertiert PDFs und Dokumentenbilder in Markdown oder JSON

  • Beinhaltet Layout-Koordinaten in der Ausgabe

  • Nutzen einer rekursiven Selbstverbesserungsschleife (RSI) für das Nachtraining

  • Erreicht erstklassige (SOTA) Genauigkeit

  • Rangiert auf Platz 1 bei olmOCR-Bench, OmniDocBench und DocParsingBench

  • Verfügt über 1,3 Milliarden Parameter

  • Bietet branchenführende Parsing-Geschwindigkeit

  • Unabhängiges und pluggable Layout-Analysemodul

  • Unterstützt benutzerdefinierte Layout-Modelle

  • Verarbeitet Inhaltserkennung und Lesereihenfolge

  • Erkennt 13 Dokumentelementtypen (Formeln, Tabellen, chemische Gleichungen, Codeblöcke usw.)

  • Leistet gute Arbeit bei herausfordernden Dokumenten (A3-Prüfungsunterlagen, Handschrift, vertikaler Text)

  • Bietet eine kostenlose API zum Testen

  • Kompatibel mit SoMarks offizieller Dokumentenparser-API und CLI-Tools

  1. Modellzugang: Laden Sie den OXR-1.0-Code und die Modelle von Hugging Face oder ModelScope herunter.

  2. Umgebung vorbereiten: Richten Sie Ihre Umgebung für den Modell-Download und die Ausführung des Dienstes ein.

  3. Dienste starten: Führen Sie die OXR-1.0-Dienste mit Docker für eine empfohlene Einrichtung aus oder starten Sie einzelne Dienste (OXR-Modell, Layout-Analyse-Modell, Dokumentenparser-API) aus dem Quellcode.

  4. API konfigurieren: Wenn Sie aus dem Quellcode ausführen, konfigurieren Sie die Dokumentenparser-API, indem Sie die URL-Felder in config.yaml auf die Adressen der OXR- und Layout-Analyse-Modell-Dienste setzen.

  5. Visuelle Demo öffnen: Greifen Sie auf die visuelle Demo unter http://localhost:8000/demo zu, um PDFs oder Bilder hochzuladen und die geparsten Ergebnisse anzuzeigen, einschließlich Markdown-Vorschau, Quelle, Layout-Begrenzungsrahmen und Lesereihenfolge.

  6. Parsing-Anfrage senden: Verwenden Sie die OXR-API direkt oder integrieren Sie sie mit SoMarks CLI/SDK-Tools (somark-py, somark-js), indem Sie die Basis-URL ändern, um Parsing-Anfragen zu senden.

  7. Integration optimieren: Passen Sie das pluggable Layout-Analysemodul an spezifische Anforderungen der Domäne an, um die Dokumentenstruktur zu parsen.

  • Dokumentendigitalisierung
  • Datenextraktion
  • Inhaltserkennung
  • Automatisierte Dokumentenverarbeitung
  • Agentenfreundliche Datenvorbereitung
  • Benutzerdefinierte Layout-Analyse
  • Forschung und Entwicklung
  • Benchmarking von Dokumentenparsern

OXR-1.0 Bewertungen

Wird geladen...

Beliebte KI-Tools wie OXR-1.0

MiniCPM-OCR 1.0

KI-Modelle

MiniCPM-OCR 1.0 ist ein OCR-spezifisches Modell, das für textzentriertes Dokumentenverständnis entwickelt wurde. Es zeichnet sich durch die Analyse von Texten, Tabellen und…

KI-Modelle & LLMs
Tool ansehen

KI-Modelle

OCR-spezifisches Modell, das für textzentriertes Dokumentenverständnis entwickelt wurde. Es zeichnet sich durch die Analyse von Texten, Tabellen und…MiniCPM-OCR 1.0 ist ein OCR-spezifisches Modell, das für textzentriertes Dokumentenverständnis entwickelt wurde. Es zeichnet sich durch die Analyse von Texten, Tabellen und…

KI-Modelle & LLMs
Top 5 KI-Modelle ansehen

OXR

KI-GitHub-Repos

OXR ist ein Open-Source-Dokumentenparser-Modell, das für hohe Genauigkeit und Geschwindigkeit entwickelt wurde. Es nutzt eine RSI-Schleife während des Nachtrainings, um seine…

KI-Dokument- & PDF-Tools
Tool ansehen

KI-GitHub-Repos

Open-Source-Dokumentenparser-Modell, das für hohe Genauigkeit und Geschwindigkeit entwickelt wurde. Es nutzt eine RSI-Schleife während des Nachtrainings, um seine…OXR ist ein Open-Source-Dokumentenparser-Modell, das für hohe Genauigkeit und Geschwindigkeit entwickelt wurde. Es nutzt eine RSI-Schleife während des Nachtrainings, um seine…

KI-Dokument- & PDF-Tools
Top 250 KI-GitHub-Repos ansehen

PaddleOCR-VL-1.6 ist ein fortschrittliches Dokumentenverarbeitungsmodell, das die Regionenverfeinerung und Nachtrainingsprozesse verbessert. Es erreicht eine erstklassige…

KI-Modelle & LLMs
Tool ansehen

Fortschrittliches Dokumentenverarbeitungsmodell, das die Regionenverfeinerung und Nachtrainingsprozesse verbessert. Es erreicht eine erstklassige…PaddleOCR-VL-1.6 ist ein fortschrittliches Dokumentenverarbeitungsmodell, das die Regionenverfeinerung und Nachtrainingsprozesse verbessert. Es erreicht eine erstklassige…

KI-Modelle & LLMs
Top 5 KI-Modelle ansehen

Youtu-Parsing-Omni ist ein vielseitiges omni-modales Parsing-Modell, das verschiedene Eingaben wie Dokumente, Bilder, Diagramme und Videos in strukturiertes JSON umwandelt. Es…

KI-Modelle & LLMs
Tool ansehen

Vielseitiges omni-modales Parsing-Modell, das verschiedene Eingaben wie Dokumente, Bilder, Diagramme und Videos in strukturiertes JSON umwandelt. Es…Youtu-Parsing-Omni ist ein vielseitiges omni-modales Parsing-Modell, das verschiedene Eingaben wie Dokumente, Bilder, Diagramme und Videos in strukturiertes JSON umwandelt. Es…

KI-Modelle & LLMs
Top 5 KI-Modelle ansehen

LayoutLM

KI-GitHub-Repos

LayoutLM ist ein multimodales Vortrainingsmodell für das Verständnis von visuell reichhaltigen Dokumenten und die Extraktion von Informationen. Es kombiniert Text-, Layout- und…

KI-Modelle & LLMs
Tool ansehen

KI-GitHub-Repos

Multimodales Vortrainingsmodell für das Verständnis von visuell reichhaltigen Dokumenten und die Extraktion von Informationen. Es kombiniert Text-, Layout- und…LayoutLM ist ein multimodales Vortrainingsmodell für das Verständnis von visuell reichhaltigen Dokumenten und die Extraktion von Informationen. Es kombiniert Text-, Layout- und…

KI-Modelle & LLMs
Top 250 KI-GitHub-Repos ansehen

LightOnOCR-3-4B

KI-Modelle

LightOnOCR-3-4B ist ein leistungsstarkes OCR-Modell, das fortschrittliche Layout- und visuelle Verständnisfähigkeiten bietet. Es liefert genaue Transkriptionen und Koordinaten für…

KI-Modelle & LLMs
Tool ansehen

KI-Modelle

Leistungsstarkes OCR-Modell, das fortschrittliche Layout- und visuelle Verständnisfähigkeiten bietet. Es liefert genaue Transkriptionen und Koordinaten für…LightOnOCR-3-4B ist ein leistungsstarkes OCR-Modell, das fortschrittliche Layout- und visuelle Verständnisfähigkeiten bietet. Es liefert genaue Transkriptionen und Koordinaten für…

KI-Modelle & LLMs
Top 5 KI-Modelle ansehen

Monkt

KI-Apps

Monkt wandelt Dokumente wie PDF, Word und Webseiten in KI-fähiges Markdown oder strukturiertes JSON um. Es optimiert Inhalte für LLM-Systeme und ermöglicht benutzerdefinierte…

KI-Dokument- & PDF-Tools

Platz 110 für Feinabstimmung von KI-Modellen

Tool ansehen

KI-Apps

Wandelt Dokumente wie PDF, Word und Webseiten in KI-fähiges Markdown oder strukturiertes JSON um. Es optimiert Inhalte für LLM-Systeme und ermöglicht benutzerdefinierte…Monkt wandelt Dokumente wie PDF, Word und Webseiten in KI-fähiges Markdown oder strukturiertes JSON um. Es optimiert Inhalte für LLM-Systeme und ermöglicht benutzerdefinierte…

KI-Dokument- & PDF-Tools
Platz 110 für Feinabstimmung von KI-Modellen

Extend

KI-Apps

Extend bietet eine leistungsstarke Dokumentenverarbeitungsinfrastruktur, die für KI-Agenten entwickelt wurde. Sie ermöglicht es Benutzern, komplexe Dokumente mit über 99 %…

KI-Dokument- & PDF-Tools

Platz 39 für Datenbereinigung & -formatierung

Tool ansehen

KI-Apps

Bietet eine leistungsstarke Dokumentenverarbeitungsinfrastruktur, die für KI-Agenten entwickelt wurde. Sie ermöglicht es Benutzern, komplexe Dokumente mit über 99 %…Extend bietet eine leistungsstarke Dokumentenverarbeitungsinfrastruktur, die für KI-Agenten entwickelt wurde. Sie ermöglicht es Benutzern, komplexe Dokumente mit über 99 %…

KI-Dokument- & PDF-Tools
Platz 39 für Datenbereinigung & -formatierung
1 von 8