説明
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
OXR-1.0のハイライト
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
OXR-1.0をはじめる
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。
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。
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。
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。
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。
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。
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。
OXR-1.0の使用例
- 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








