Deskripsi
OXR-1.0 adalah model pemrosesan dokumen sumber terbuka yang canggih yang dikembangkan oleh tim SoMark, dirancang untuk mengubah dokumen kompleks seperti PDF dan gambar menjadi data terstruktur yang ramah agen. Model ini menghasilkan data dalam format seperti Markdown atau JSON, lengkap dengan koordinat tata letak, menjadikannya sangat serbaguna untuk berbagai aplikasi yang memerlukan pemahaman dokumen yang tepat.
Baca Selengkapnya
Dikenal karena arsitekturnya yang inovatif, OXR-1.0 adalah model pemrosesan dokumen pertama yang menggabungkan loop perbaikan diri yang rekursif (RSI) selama pasca-pelatihan. Pendekatan unik ini memungkinkan model untuk meningkatkan kinerjanya dengan menargetkan sampel yang diproses secara tidak benar atau lemah, secara signifikan mempercepat iterasi dan perbaikan tanpa memerlukan anotasi manusia. Meskipun hanya memiliki 1,3 miliar parameter, OXR-1.0 secara konsisten menduduki peringkat #1 di berbagai tolok ukur utama termasuk olmOCR-Bench, OmniDocBench, dan DocParsingBench, menunjukkan akurasi yang superior, terutama dalam pemrosesan tabel.
Fitur utama dari OXR-1.0 adalah modul analisis tata letak yang dapat dipasang, yang merupakan yang pertama di industri. Desain ini memungkinkan pengguna untuk mengganti model tata letak bawaan dengan model kustom, memberikan fleksibilitas yang tiada tara untuk beradaptasi dengan berbagai kebutuhan spesifik domain. OXR-1.0 mempertahankan kemampuan inti dalam pengenalan konten dan urutan bacaan, memastikan upaya integrasi yang minimal di berbagai skenario dokumen. Model ini dapat mengenali 13 jenis elemen dokumen yang berbeda, mulai dari rumus dan tabel hingga persamaan kimia dan blok kode, menyediakan koordinat kotak pembatas untuk masing-masing.
Selain akurasinya, OXR-1.0 memiliki kecepatan pemrosesan yang sangat baik, melampaui model sumber terbuka lainnya dalam pengujian kecepatan. Efisiensi ini dicapai melalui arsitektur pemrosesan yang dirancang ulang di tingkat tugas, mengoptimalkan kecepatan sambil mempertahankan akurasi tinggi. Model ini mampu menangani jenis dan tata letak dokumen yang menantang, termasuk kertas ujian A3, surat kabar, teks vertikal, dan bahkan tulisan tangan. SoMark menyediakan API gratis untuk pengujian dan menawarkan alat CLI dan SDK yang komprehensif untuk Python dan JavaScript, memastikan kompatibilitas luas dan kemudahan integrasi bagi pengembang.
- KategoriModel AI & LLM
- Model HargaFree API / Open Source
- PenerapanCloud, Berjalan lokal
- PlatformWeb
Sorotan OXR-1.0
Model pemrosesan dokumen sumber terbuka
Mengubah PDF dan gambar dokumen menjadi Markdown atau JSON
Termasuk koordinat tata letak dalam output
Memanfaatkan loop Perbaikan Diri Rekursif (RSI) untuk pasca-pelatihan
Mencapai akurasi Mutakhir (SOTA)
Menduduki peringkat #1 di olmOCR-Bench, OmniDocBench, dan DocParsingBench
Memiliki 1,3 miliar parameter
Menawarkan kecepatan pemrosesan terdepan di industri
Modul analisis tata letak yang independen dan dapat dipasang
Mendukung model tata letak kustom
Menangani pengenalan konten dan urutan bacaan
Mengenali 13 jenis elemen dokumen (rumus, tabel, persamaan kimia, blok kode, dll.)
Berkinerja baik pada dokumen yang menantang (kertas ujian A3, tulisan tangan, teks vertikal)
Menyediakan API gratis untuk pengujian
Kompatibel dengan API pemrosesan dokumen resmi SoMark dan alat CLI
Memulai dengan OXR-1.0
Akses Model: Unduh kode dan model OXR-1.0 dari Hugging Face atau ModelScope.
Siapkan Lingkungan: Siapkan lingkungan Anda untuk mengunduh model dan menjalankan layanan.
Mulai Layanan: Jalankan layanan OXR-1.0 menggunakan Docker untuk pengaturan yang disarankan, atau mulai layanan individu (Model OXR, Model Analisis Tata Letak, API Pemrosesan Dokumen) dari sumber.
Konfigurasi API: Jika menjalankan dari sumber, konfigurasi API Pemrosesan Dokumen dengan mengatur bidang URL di config.yaml ke alamat layanan model OXR dan Model Analisis Tata Letak.
Buka Demo Visual: Akses demo visual di http://localhost:8000/demo untuk mengunggah PDF atau gambar dan melihat hasil yang diproses, termasuk pratinjau Markdown, sumber, kotak pembatas tata letak, dan urutan bacaan.
Kirim Permintaan Pemrosesan: Gunakan API OXR secara langsung atau integrasikan dengan alat CLI/SDK SoMark (somark-py, somark-js) dengan mengubah URL Dasar untuk mengirim permintaan pemrosesan.
Optimalkan Integrasi: Sesuaikan modul analisis tata letak yang dapat dipasang untuk kebutuhan spesifik domain untuk pemrosesan struktur dokumen yang disesuaikan.
Kasus Penggunaan OXR-1.0
- Digitalisasi Dokumen
- Ekstraksi Data
- Pengenalan Konten
- Pemrosesan Dokumen Otomatis
- Persiapan Data Ramah Agen
- Analisis Tata Letak Kustom
- Riset dan Pengembangan
- Benchmarking Pemroses Dokumen








