Aller au contenu principal
ToolPotion
Conseiller IA
Soumettre

GLM-OCR

GLM-OCR est un modèle OCR multimodal conçu pour la compréhension de documents complexes. Il améliore l'efficacité de l'entraînement et la précision de la reconnaissance en utilisant la perte de prédiction multi-token et un apprentissage par renforcement stable. Le modèle est optimisé pour des scénarios du monde réel, offrant des performances robustes sur divers formats de documents.

Voir le modèle
Partager
Voir le modèle
Partager

GLM-OCR est un modèle OCR multimodal sophistiqué développé pour la compréhension de documents complexes. Basé sur l'architecture encodeur-décodeur GLM-V, il introduit des techniques innovantes telles que la perte de prédiction multi-token (MTP) et un apprentissage par renforcement stable. Ces avancées améliorent considérablement l'efficacité de l'entraînement, la précision de la reconnaissance et les capacités de généralisation.

Lire la suite

Le modèle intègre l'encodeur visuel CogViT, pré-entraîné sur d'importantes données image-texte, et un connecteur cross-modal léger avec un sous-échantillonnage efficace des tokens. Il dispose également d'un décodeur de langue GLM-0.5B. Ensemble, ces composants forment un pipeline en deux étapes d'analyse de mise en page et de reconnaissance parallèle basé sur PP-DocLayout-V3, garantissant des performances OCR robustes et de haute qualité sur divers formats de documents.

GLM-OCR atteint des résultats à la pointe de la technologie, avec un score de 94,62 sur OmniDocBench V1.5 et se classe #1 au total. Il excelle dans les principaux benchmarks de compréhension de documents, y compris la reconnaissance de formules, la reconnaissance de tableaux et l'extraction d'informations. Le modèle est optimisé pour des scénarios du monde réel, maintenant des performances robustes sur des tableaux complexes, des documents riches en code, des sceaux et d'autres mises en page difficiles.

Avec seulement 0,9 milliard de paramètres, GLM-OCR prend en charge le déploiement via vLLM, SGLang et Ollama, réduisant la latence d'inférence et les coûts de calcul. Cela le rend idéal pour des services à haute concurrence et des déploiements en périphérie. Le modèle est entièrement open-source, équipé d'un SDK complet et d'une chaîne d'outils d'inférence, offrant une installation simple, une invocation en une ligne et une intégration fluide dans les pipelines de production existants.

Le SDK officiel est recommandé pour les tâches de parsing de documents, intégrant PP-DocLayoutV3 pour l'analyse de mise en page et la génération de sorties structurées. Cela réduit la charge d'ingénierie nécessaire pour construire des systèmes d'intelligence documentaire de bout en bout. Le modèle GLM-OCR est publié sous la licence MIT, avec le pipeline OCR complet intégrant PP-DocLayoutV3, sous licence Apache 2.0.

  • CatégorieModèles d'IA et LLM
  • Modèle tarifaireOpen source
  • DéploiementCloud
  • PlateformesWeb

  • Modèle OCR multimodal

  • Architecture encodeur-décodeur GLM-V

  • Perte de prédiction multi-token

  • Apprentissage par renforcement stable

  • Encodeur visuel CogViT

  • Décodeur de langue GLM-0.5B

  • Pipeline en deux étapes

  • Performances à la pointe de la technologie

  1. Accéder à la page : Visitez la page GLM-OCR sur Hugging Face

  2. Charger le modèle : Téléchargez le modèle GLM-OCR

  3. Configurer l'environnement : Configurez l'environnement requis pour le modèle

  4. Intégrer : Utilisez le SDK pour une intégration sans faille

  • Parsing de Documents
  • Extraction d'Informations
  • Reconnaissance de Tableaux
  • Reconnaissance de Formules
  • Analyse de Mise en Page

Avis sur GLM-OCR

Chargement...

Outils IA populaires comme GLM-OCR

LayoutLM

Dépôts GitHub d'IA

LayoutLM est un modèle de pré-entraînement multimodal pour la compréhension de documents visuellement riches et l'extraction d'informations. Il combine des informations…

Modèles d'IA et LLM
Voir l'outil

Dépôts GitHub d'IA

Modèle de pré-entraînement multimodal pour la compréhension de documents visuellement riches et l'extraction d'informations. Il combine des informations…LayoutLM est un modèle de pré-entraînement multimodal pour la compréhension de documents visuellement riches et l'extraction d'informations. Il combine des informations…

Modèles d'IA et LLM
Voir le Top 250 Dépôts GitHub d'IA

Modèle TrOCR

Modèles IA

TrOCR est un modèle d'encodeur-décodeur conçu pour les tâches de reconnaissance optique de caractères (OCR). Il utilise une architecture basée sur Transformer pour traiter des…

Modèles d'IA et LLM
Voir l'outil

Modèles IA

TrOCR est un modèle d'encodeur-décodeur conçu pour les tâches de reconnaissance optique de caractères (OCR). Il utilise une architecture basée sur Transformer pour traiter des…

Modèles d'IA et LLM
Voir le Top 5 Modèles IA

GOT-OCR2.0 est un modèle OCR avancé conçu pour une reconnaissance de texte efficace. Il utilise une approche unifiée de bout en bout pour améliorer la précision et les…

Modèles d'IA et LLM
Voir l'outil

GOT-OCR2.0 est un modèle OCR avancé conçu pour une reconnaissance de texte efficace. Il utilise une approche unifiée de bout en bout pour améliorer la précision et les…

Modèles d'IA et LLM
Voir le Top 5 Modèles IA

RolmOCR

Modèles IA

RolmOCR par Reducto AI est un outil OCR open-source qui offre un traitement plus rapide et une utilisation de mémoire réduite par rapport à son prédécesseur, olmOCR. Il est conçu…

Modèles d'IA et LLM
Voir l'outil

Modèles IA

RolmOCR par Reducto AI est un outil OCR open-source qui offre un traitement plus rapide et une utilisation de mémoire réduite par rapport à son prédécesseur, olmOCR. Il est conçu…

Modèles d'IA et LLM
Voir le Top 5 Modèles IA

Florence-2 est un modèle de fondation vision avancé développé par Microsoft, conçu pour gérer une variété de tâches de vision et de vision-langage. Il utilise une approche basée…

Modèles d'IA et LLM
Voir l'outil

Florence-2 est un modèle de fondation vision avancé développé par Microsoft, conçu pour gérer une variété de tâches de vision et de vision-langage. Il utilise une approche basée…

Modèles d'IA et LLM
Voir le Top 5 Modèles IA

Llama-3.2-11B-Vision-Instruct est un modèle d'IA multimodal conçu pour la reconnaissance visuelle, le raisonnement d'image et la légende. Développé par Meta, il intègre des…

Modèles d'IA et LLM
Voir l'outil

Modèle d'IA multimodal conçu pour la reconnaissance visuelle, le raisonnement d'image et la légende. Développé par Meta, il intègre des…Llama-3.2-11B-Vision-Instruct est un modèle d'IA multimodal conçu pour la reconnaissance visuelle, le raisonnement d'image et la légende. Développé par Meta, il intègre des…

Modèles d'IA et LLM
Voir le Top 5 Modèles IA

LLaVA

Modèles IA

LLaVA est un grand modèle multimodal qui combine un encodeur de vision avec un modèle de langage pour une compréhension visuelle et linguistique générale. Il excelle dans les…

Modèles d'IA et LLM
Voir l'outil

Modèles IA

Grand modèle multimodal qui combine un encodeur de vision avec un modèle de langage pour une compréhension visuelle et linguistique générale. Il excelle dans les…LLaVA est un grand modèle multimodal qui combine un encodeur de vision avec un modèle de langage pour une compréhension visuelle et linguistique générale. Il excelle dans les…

Modèles d'IA et LLM
Voir le Top 5 Modèles IA

Llama-4-Scout-17B-16E-Instruct est un modèle d'IA multimodal conçu par Meta. Il utilise une architecture de mélange d'experts pour fournir des capacités avancées de compréhension…

Modèles d'IA et LLM
Voir l'outil

Modèle d'IA multimodal conçu par Meta. Il utilise une architecture de mélange d'experts pour fournir des capacités avancées de compréhension…Llama-4-Scout-17B-16E-Instruct est un modèle d'IA multimodal conçu par Meta. Il utilise une architecture de mélange d'experts pour fournir des capacités avancées de compréhension…

Modèles d'IA et LLM
Voir le Top 5 Modèles IA
1 sur 8