Описание
OXR-1.0 — это продвинутая модель парсинга документов с открытым исходным кодом, разработанная командой SoMark, предназначенная для преобразования сложных документов, таких как PDF и изображения, в структурированные данные, удобные для агентов. Она выводит данные в форматах, таких как Markdown или JSON, с полными координатами макета, что делает её высоко универсальной для различных приложений, требующих точного понимания документов.
Читать далее
Отличаясь своей инновационной архитектурой, OXR-1.0 является первой моделью парсинга документов, которая включает рекурсивный цикл самоулучшения (RSI) во время постобучения. Этот уникальный подход позволяет модели улучшать свою производительность, нацеливаясь на образцы, которые она обрабатывает неправильно или слабо, значительно ускоряя итерации и улучшения без необходимости в аннотации от человека. Несмотря на наличие всего 1,3 миллиарда параметров, OXR-1.0 стабильно занимает 1-е место на основных бенчмарках, включая olmOCR-Bench, OmniDocBench и DocParsingBench, демонстрируя превосходную точность, особенно в парсинге таблиц.
Ключевой особенностью OXR-1.0 является её независимый и подключаемый модуль анализа макета, что является первым в отрасли. Этот дизайн позволяет пользователям заменять встроенную модель макета на пользовательскую, обеспечивая беспрецедентную гибкость для адаптации к различным специфическим требованиям домена. OXR-1.0 сохраняет свои основные возможности в распознавании содержимого и порядке чтения, обеспечивая минимальные усилия по интеграции в различных сценариях документов. Она может распознавать 13 различных типов элементов документа, от формул и таблиц до химических уравнений и блоков кода, предоставляя координаты ограничивающих рамок для каждого.
Помимо своей точности, OXR-1.0 обладает скоростью парсинга высшего уровня, превосходя другие модели с открытым исходным кодом в тестах на скорость. Эта эффективность достигается благодаря переработанной архитектуре обработки на уровне задач, оптимизируя скорость при сохранении высокой точности. Модель способна обрабатывать сложные типы документов и макеты, включая экзаменационные листы формата A3, газеты, вертикальный текст и даже рукописный текст. SoMark предоставляет бесплатный API для тестирования и предлагает комплексные инструменты CLI и SDK для Python и JavaScript, обеспечивая широкую совместимость и простоту интеграции для разработчиков.
- КатегорияИИ-модели и LLM
- Модель ценообразованияFree API / Open Source
- РазвёртываниеОблако, Работает локально
- ПлатформыВеб
Главное о OXR-1.0
Модель парсинга документов с открытым исходным кодом
Преобразует PDF-файлы и изображения документов в Markdown или JSON
Включает координаты макета в вывод
Использует рекурсивный цикл самоулучшения (RSI) для постобучения
Достигает передовой точности (SOTA)
Занимает 1-е место на olmOCR-Bench, OmniDocBench и DocParsingBench
Содержит 1,3 миллиарда параметров
Предлагает лидирующую в отрасли скорость парсинга
Независимый и подключаемый модуль анализа макета
Поддерживает пользовательские модели макета
Обрабатывает распознавание содержимого и порядок чтения
Распознает 13 типов элементов документа (формулы, таблицы, химические уравнения, блоки кода и т.д.)
Хорошо работает с сложными документами (экзаменационные листы A3, рукопись, вертикальный текст)
Предоставляет бесплатный API для тестирования
Совместим с официальным API парсинга документов SoMark и инструментами CLI
Начало работы с OXR-1.0
Доступ к модели: Скачайте код и модели OXR-1.0 с Hugging Face или ModelScope.
Подготовка окружения: Настройте ваше окружение для загрузки модели и выполнения сервиса.
Запуск сервисов: Запустите сервисы OXR-1.0 с помощью Docker для рекомендуемой настройки или запустите отдельные сервисы (модель OXR, модель анализа макета, API парсинга документов) из исходного кода.
Настройка API: Если вы запускаете из исходного кода, настройте API парсинга документов, установив поля URL в config.yaml на адреса сервисов модели OXR и модели анализа макета.
Открыть визуальную демонстрацию: Получите доступ к визуальной демонстрации по адресу http://localhost:8000/demo, чтобы загрузить PDF-файлы или изображения и просмотреть результаты парсинга, включая предварительный просмотр Markdown, источник, ограничивающие рамки макета и порядок чтения.
Отправить запрос на парсинг: Используйте API OXR напрямую или интегрируйтесь с инструментами CLI/SDK SoMark (somark-py, somark-js), изменив базовый URL для отправки запросов на парсинг.
Оптимизировать интеграцию: Адаптируйте подключаемый модуль анализа макета к специфическим требованиям домена для индивидуального парсинга структуры документов.
Варианты использования OXR-1.0
- Цифровизация документов
- Извлечение данных
- Распознавание содержимого
- Автоматизированная обработка документов
- Подготовка данных, удобных для агентов
- Пользовательский анализ макета
- Исследования и разработки
- Бенчмаркинг парсеров документов








