Descrição
OXR-1.0 é um modelo avançado de análise de documentos de código aberto desenvolvido pela equipe SoMark, projetado para converter documentos complexos, como PDFs e imagens, em dados estruturados e amigáveis para agentes. Ele gera dados em formatos como Markdown ou JSON, completos com coordenadas de layout, tornando-o altamente versátil para várias aplicações que requerem compreensão precisa de documentos.
Ler mais
Distinguido por sua arquitetura inovadora, OXR-1.0 é o primeiro modelo de análise de documentos a incorporar um loop de autoaperfeiçoamento recursivo (RSI) durante o pós-treinamento. Essa abordagem única permite que o modelo melhore seu desempenho ao focar em amostras que processa incorretamente ou de forma fraca, acelerando significativamente a iteração e a melhoria sem exigir anotação humana. Apesar de ter apenas 1,3 bilhão de parâmetros, OXR-1.0 consistentemente ocupa a posição #1 em benchmarks importantes, incluindo olmOCR-Bench, OmniDocBench e DocParsingBench, demonstrando precisão superior, particularmente na análise de tabelas.
Um recurso chave do OXR-1.0 é seu módulo de análise de layout plugável, uma inovação na indústria. Esse design permite que os usuários substituam o modelo de layout embutido por um personalizado, proporcionando flexibilidade sem precedentes para se adaptar a requisitos específicos de domínio. OXR-1.0 mantém suas capacidades centrais em reconhecimento de conteúdo e ordem de leitura, garantindo esforço mínimo de integração em vários cenários de documentos. Ele pode reconhecer 13 tipos distintos de elementos de documentos, desde fórmulas e tabelas até equações químicas e blocos de código, fornecendo coordenadas de caixa delimitadora para cada um.
Além de sua precisão, OXR-1.0 possui velocidade de análise de alto nível, superando outros modelos de código aberto em testes de velocidade. Essa eficiência é alcançada por meio de uma arquitetura de processamento redesenhada no nível da tarefa, otimizando a velocidade enquanto preserva alta precisão. O modelo é capaz de lidar com tipos e layouts de documentos desafiadores, incluindo provas A3, jornais, texto vertical e até mesmo caligrafia. A SoMark oferece uma API gratuita para testes e disponibiliza ferramentas CLI e SDK abrangentes para Python e JavaScript, garantindo ampla compatibilidade e facilidade de integração para desenvolvedores.
- CategoriaModelos de IA e LLMs
- Modelo de preçosFree API / Open Source
- ImplantaçãoNuvem, Roda localmente
- PlataformasWeb
Destaques de OXR-1.0
Modelo de análise de documentos de código aberto
Converte PDFs e imagens de documentos para Markdown ou JSON
Inclui coordenadas de layout na saída
Utiliza loop de Autoaperfeiçoamento Recursivo (RSI) para pós-treinamento
Alcança precisão de ponta (SOTA)
Classificado como #1 no olmOCR-Bench, OmniDocBench e DocParsingBench
Possui 1,3 bilhão de parâmetros
Oferece velocidade de análise líder do setor
Módulo de análise de layout independente e plugável
Suporta modelos de layout personalizados
Lida com reconhecimento de conteúdo e ordem de leitura
Reconhece 13 tipos de elementos de documentos (fórmulas, tabelas, equações químicas, blocos de código, etc.)
Desempenha bem em documentos desafiadores (provas A3, caligrafia, texto vertical)
Fornece uma API gratuita para testes
Compatível com a API de análise de documentos oficial da SoMark e ferramentas CLI
Primeiros passos com OXR-1.0
Acessar o Modelo: Baixe o código e os modelos do OXR-1.0 do Hugging Face ou ModelScope.
Preparar o Ambiente: Configure seu ambiente para download do modelo e execução do serviço.
Iniciar Serviços: Execute os serviços do OXR-1.0 usando Docker para uma configuração recomendada ou inicie serviços individuais (Modelo OXR, Modelo de Análise de Layout, API de Análise de Documentos) a partir da fonte.
Configurar API: Se estiver executando a partir da fonte, configure a API de Análise de Documentos definindo os campos de URL em config.yaml para os endereços dos serviços do modelo OXR e do modelo de Análise de Layout.
Abrir Demonstração Visual: Acesse a demonstração visual em http://localhost:8000/demo para fazer upload de PDFs ou imagens e visualizar os resultados analisados, incluindo visualização em Markdown, fonte, caixas delimitadoras de layout e ordem de leitura.
Enviar Solicitação de Análise: Use a API do OXR diretamente ou integre-se às ferramentas CLI/SDK da SoMark (somark-py, somark-js) alterando a URL Base para enviar solicitações de análise.
Otimizar Integração: Adapte o módulo de análise de layout plugável para requisitos específicos de domínio para uma análise de estrutura de documentos personalizada.
Casos de uso de OXR-1.0
- Digitalização de Documentos
- Extração de Dados
- Reconhecimento de Conteúdo
- Processamento Automatizado de Documentos
- Preparação de Dados Amigáveis para Agentes
- Análise de Layout Personalizada
- Pesquisa e Desenvolvimento
- Benchmarking de Analisadores de Documentos








