メインコンテンツへスキップ
ToolPotion
AI アドバイザー
送信(無料)

OXR-1.0

AI モデルAIモデルとLLMFree API / Open Source · Web

OXR-1.0は、SoMarkチームによって開発されたオープンソースの文書解析モデルです。PDFや文書画像をMarkdownやJSONなどのエージェントフレンドリーなデータ形式に変換し、レイアウト座標を含みます。ポストトレーニング中に再帰的自己改善ループを活用することで、OXR-1.0は最先端の精度と業界をリードする解析速度を実現し、わずか13億のパラメータで多様な文書処理ニーズに対して非常に効率的です。

モデルを見る
共有
モデルを見る
共有

OXR-1.0は、SoMarkチームによって開発された高度なオープンソースの文書解析モデルであり、PDFや画像などの複雑な文書を構造化されたエージェントフレンドリーなデータに変換することを目的としています。MarkdownやJSONなどの形式でデータを出力し、レイアウト座標を含むため、正確な文書理解を必要とするさまざまなアプリケーションに対して非常に柔軟です。

続きを読む

革新的なアーキテクチャによって特徴付けられるOXR-1.0は、ポストトレーニング中に再帰的自己改善(RSI)ループを組み込んだ最初の文書解析モデルです。このユニークなアプローチにより、モデルは誤って処理したり弱く処理したサンプルをターゲットにしてパフォーマンスを向上させることができ、人間の注釈を必要とせずに反復と改善を大幅に加速します。わずか13億のパラメータしか持たないにもかかわらず、OXR-1.0はolmOCR-Bench、OmniDocBench、DocParsingBenchなどの主要なベンチマークで常に1位を獲得し、特に表の解析において優れた精度を示しています。

OXR-1.0の重要な特徴は、業界初のプラグイン可能なレイアウト分析モジュールです。この設計により、ユーザーは組み込みのレイアウトモデルをカスタムモデルに置き換えることができ、さまざまなドメイン固有の要件に適応するための比類のない柔軟性を提供します。OXR-1.0は、コンテンツ認識と読み取り順序におけるコア機能を維持し、さまざまな文書シナリオにおける統合の手間を最小限に抑えます。数式や表、化学方程式、コードブロックなど、13種類の異なる文書要素タイプを認識し、それぞれのバウンディングボックス座標を提供します。

精度を超えて、OXR-1.0はトップクラスの解析速度を誇り、速度テストで他のオープンソースモデルを上回ります。この効率は、タスクレベルで再設計された処理アーキテクチャによって達成され、速度を最適化しながら高い精度を維持します。モデルは、A3の試験用紙、新聞、縦書き、さらには手書きなど、挑戦的な文書タイプやレイアウトを処理する能力を持っています。SoMarkは、テスト用の無料APIを提供し、PythonおよびJavaScript用の包括的なCLIおよびSDKツールを提供しており、開発者にとって広範な互換性と統合の容易さを確保しています。

  • カテゴリーAIモデルとLLM
  • 料金モデルFree API / Open Source
  • デプロイクラウド, ローカルで実行
  • プラットフォームWeb

  • オープンソースの文書解析モデル

  • PDFや文書画像をMarkdownまたはJSONに変換

  • 出力にレイアウト座標を含む

  • ポストトレーニングのための再帰的自己改善(RSI)ループを利用

  • 最先端(SOTA)の精度を達成

  • olmOCR-Bench、OmniDocBench、DocParsingBenchで1位を獲得

  • 13億のパラメータを特徴とする

  • 業界をリードする解析速度を提供

  • 独立したプラグイン可能なレイアウト分析モジュール

  • カスタムレイアウトモデルをサポート

  • コンテンツ認識と読み取り順序を処理

  • 13種類の文書要素タイプを認識(数式、表、化学方程式、コードブロックなど)

  • 挑戦的な文書(A3試験用紙、手書き、縦書き)で優れた性能を発揮

  • テスト用の無料APIを提供

  • SoMarkの公式文書解析APIおよびCLIツールと互換性がある

  1. モデルにアクセス: Hugging FaceまたはModelScopeからOXR-1.0のコードとモデルをダウンロードします。

  2. 環境を準備: モデルのダウンロードとサービスの実行のために環境を設定します。

  3. サービスを開始: 推奨されるセットアップのためにDockerを使用してOXR-1.0サービスを実行するか、ソースから個別のサービス(OXRモデル、レイアウト分析モデル、文書解析API)を開始します。

  4. APIを構成: ソースから実行する場合、config.yamlのURLフィールドをOXRおよびレイアウト分析モデルサービスのアドレスに設定して文書解析APIを構成します。

  5. ビジュアルデモを開く: http://localhost:8000/demoにアクセスしてPDFや画像をアップロードし、Markdownプレビュー、ソース、レイアウトバウンディングボックス、読み取り順序を含む解析結果を表示します。

  6. 解析リクエストを送信: OXR APIを直接使用するか、SoMarkのCLI/SDKツール(somark-py、somark-js)と統合して、ベースURLを変更して解析リクエストを送信します。

  7. 統合を最適化: プラグイン可能なレイアウト分析モジュールを特定のドメイン要件に適応させて、カスタマイズされた文書構造解析を行います。

  • 文書デジタル化
  • データ抽出
  • コンテンツ認識
  • 自動文書処理
  • エージェントフレンドリーなデータ準備
  • カスタムレイアウト分析
  • 研究開発
  • 文書パーサーのベンチマーキング

OXR-1.0 のレビュー

読み込み中...

OXR-1.0 に似た人気のAIツール

MiniCPM-OCR 1.0

AI モデル

MiniCPM-OCR 1.0は、テキスト中心の文書理解のために設計されたOCR専用モデルです。テキスト、表、チャートの解析に優れ、実際の文書処理のための効率的な推論と簡単な展開を提供します。

AIモデルとLLM
ツールを見る

AI モデル

テキスト中心の文書理解のために設計されたOCR専用モデルです。テキスト、表、チャートの解析に優れ、実際の文書処理のための効率的な推論と簡単な展開を提供します。MiniCPM-OCR 1.0は、テキスト中心の文書理解のために設計されたOCR専用モデルです。テキスト、表、チャートの解析に優れ、実際の文書処理のための効率的な推論と簡単な展開を提供します。

AIモデルとLLM
AI モデル トップ5を見る

OXR

AI GitHub リポジトリ

OXRは、高精度と高速性を実現するために設計されたオープンソースの文書解析モデルです。ポストトレーニング中にRSIループを利用して性能を向上させており、効率的な文書処理ソリューションを求める開発者にとって信頼できる選択肢となっています。

AIドキュメント・PDFツール
ツールを見る

AI GitHub リポジトリ

高精度と高速性を実現するために設計されたオープンソースの文書解析モデルです。ポストトレーニング中にRSIループを利用して性能を向上させており、効率的な文書処理ソリューションを求める開発者にとって信頼できる選択肢となっています。OXRは、高精度と高速性を実現するために設計されたオープンソースの文書解析モデルです。ポストトレーニング中にRSIループを利用して性能を向上させており、効率的な文書処理ソリューションを求める開発者にとって信頼できる選択肢となっています。

AIドキュメント・PDFツール
AI GitHub リポジトリ トップ250を見る

PaddleOCR-VL-1.6

AI モデル

PaddleOCR-VL-1.6は、領域の洗練とポストトレーニングプロセスを強化する高度な文書解析モデルです。テキスト、数式、表の認識をサポートし、OmniDocBenchで最先端の精度を達成しています。

AIモデルとLLM
ツールを見る

AI モデル

領域の洗練とポストトレーニングプロセスを強化する高度な文書解析モデルです。テキスト、数式、表の認識をサポートし、OmniDocBenchで最先端の精度を達成しています。PaddleOCR-VL-1.6は、領域の洗練とポストトレーニングプロセスを強化する高度な文書解析モデルです。テキスト、数式、表の認識をサポートし、OmniDocBenchで最先端の精度を達成しています。

AIモデルとLLM
AI モデル トップ5を見る

Youtu-Parsing-Omni

AI モデル

Youtu-Parsing-Omniは、文書、画像、チャート、動画などの多様な入力を構造化されたJSONに変換する多用途のオムニモーダルパーシングモデルです。知覚および認知タスクに優れ、さまざまなパーシングニーズに対応する統一スキーマを提供します。

AIモデルとLLM
ツールを見る

AI モデル

文書、画像、チャート、動画などの多様な入力を構造化されたJSONに変換する多用途のオムニモーダルパーシングモデルです。知覚および認知タスクに優れ、さまざまなパーシングニーズに対応する統一スキーマを提供します。Youtu-Parsing-Omniは、文書、画像、チャート、動画などの多様な入力を構造化されたJSONに変換する多用途のオムニモーダルパーシングモデルです。知覚および認知タスクに優れ、さまざまなパーシングニーズに対応する統一スキーマを提供します。

AIモデルとLLM
AI モデル トップ5を見る

LayoutLM

AI GitHub リポジトリ

LayoutLMは、視覚的にリッチなドキュメントの理解と情報抽出のためのマルチモーダル事前学習モデルです。テキスト、レイアウト、画像情報を組み合わせて、フォームやレシートの理解などのタスクで最先端の結果を達成します。このモデルは、多言語サポートを含む、さまざまなサイズとバージョンで利用可能です。

AIモデルとLLM
ツールを見る

AI GitHub リポジトリ

視覚的にリッチなドキュメントの理解と情報抽出のためのマルチモーダル事前学習モデルです。テキスト、レイアウト、画像情報を組み合わせて、フォームやレシートの理解などのタスクで最先端の結果を達成します。このモデルは、多言語サポートを含む、さまざまなサイズとバージョンで利用可能です。LayoutLMは、視覚的にリッチなドキュメントの理解と情報抽出のためのマルチモーダル事前学習モデルです。テキスト、レイアウト、画像情報を組み合わせて、フォームやレシートの理解などのタスクで最先端の結果を達成します。このモデルは、多言語サポートを含む、さまざまなサイズとバージョンで利用可能です。

AIモデルとLLM
AI GitHub リポジトリ トップ250を見る

LightOnOCR-3-4B

AI モデル

LightOnOCR-3-4Bは、高性能なOCRモデルで、先進的なレイアウトおよび視覚理解機能を提供します。正確な転写と視覚要素のバウンディングボックス座標を提供し、複雑な文書処理タスクに適しています。

AIモデルとLLM
ツールを見る

AI モデル

高性能なOCRモデルで、先進的なレイアウトおよび視覚理解機能を提供します。正確な転写と視覚要素のバウンディングボックス座標を提供し、複雑な文書処理タスクに適しています。LightOnOCR-3-4Bは、高性能なOCRモデルで、先進的なレイアウトおよび視覚理解機能を提供します。正確な転写と視覚要素のバウンディングボックス座標を提供し、複雑な文書処理タスクに適しています。

AIモデルとLLM
AI モデル トップ5を見る

Monkt

AI アプリ

Monktは、PDF、Word、WebページなどのドキュメントをAI対応のMarkdownまたは構造化JSONに変換します。LLMシステム向けにコンテンツを最適化し、カスタムAIチャットボット、インテリジェントなナレッジベース、高品質なトレーニングデータセットを可能にします。REST…

AIドキュメント・PDFツール

AIモデルの微調整で第110位

ツールを見る

AI アプリ

PDF、Word、WebページなどのドキュメントをAI対応のMarkdownまたは構造化JSONに変換します。LLMシステム向けにコンテンツを最適化し、カスタムAIチャットボット、インテリジェントなナレッジベース、高品質なトレーニングデータセットを可能にします。REST…Monktは、PDF、Word、WebページなどのドキュメントをAI対応のMarkdownまたは構造化JSONに変換します。LLMシステム向けにコンテンツを最適化し、カスタムAIチャットボット、インテリジェントなナレッジベース、高品質なトレーニングデータセットを可能にします。REST…

AIドキュメント・PDFツール
AIモデルの微調整で第110位

Extend

AI アプリ

Extendは、AIエージェント向けに設計された強力な文書処理インフラストラクチャを提供します。ユーザーは、99%以上の精度で複雑な文書を解析、抽出、分割でき、ワークフローを効率化し、処理時間を大幅に短縮します。

AIドキュメント・PDFツール

データのクリーニングとフォーマットで第39位

ツールを見る

AI アプリ

AIエージェント向けに設計された強力な文書処理インフラストラクチャを提供します。ユーザーは、99%以上の精度で複雑な文書を解析、抽出、分割でき、ワークフローを効率化し、処理時間を大幅に短縮します。Extendは、AIエージェント向けに設計された強力な文書処理インフラストラクチャを提供します。ユーザーは、99%以上の精度で複雑な文書を解析、抽出、分割でき、ワークフローを効率化し、処理時間を大幅に短縮します。

AIドキュメント・PDFツール
データのクリーニングとフォーマットで第39位
1 / 8