LightOnOCR-3-4B

Indra OCR

AI GitHub 仓库

快速的基于 CPU 的光学字符识别工具，旨在进行行检测、CTC 识别、阅读顺序和 Markdown 处理。它非常适合寻求高效文本提取能力的开发者。Indra OCR 是一个快速的基于 CPU 的光学字符识别工具，旨在进行行检测、CTC 识别、阅读顺序和 Markdown 处理。它非常适合寻求高效文本提取能力的开发者。

RolmOCR

AI 模型

Reducto AI开发的开源OCR工具，相比其前身olmOCR，提供更快的处理速度和更低的内存使用。它旨在高效处理各种文档类型，而无需使用元数据输入。RolmOCR是Reducto AI开发的开源OCR工具，相比其前身olmOCR，提供更快的处理速度和更低的内存使用。它旨在高效处理各种文档类型，而无需使用元数据输入。

GOT-OCR2.0 AI Model

AI 模型

先进的 OCR 模型，旨在实现高效的文本识别。它利用统一的端到端方法来提高准确性和性能，使其非常适合于文本提取和处理的各种应用。GOT-OCR2.0 是一个先进的 OCR 模型，旨在实现高效的文本识别。它利用统一的端到端方法来提高准确性和性能，使其非常适合于文本提取和处理的各种应用。

GLM-OCR

AI 模型

多模态 OCR 模型，旨在实现复杂文档理解。它通过多标记预测损失和稳定的强化学习提高训练效率和识别准确性。该模型针对现实场景进行了优化，在各种文档布局中提供强大的性能。GLM-OCR 是一个多模态 OCR 模型，旨在实现复杂文档理解。它通过多标记预测损失和稳定的强化学习提高训练效率和识别准确性。该模型针对现实场景进行了优化，在各种文档布局中提供强大的性能。

Qwen3 VL 8B Instruct (阿里巴巴)

AI 模型

阿里巴巴的Qwen3 VL 8B Instruct是一种强大的视觉语言模型，提供卓越的文本理解、视觉感知和多模态推理能力。它支持使用Dense和MoE架构的灵活部署，增强了各种应用中的AI能力。

Llama-3.2-11B-Vision-Instruct

AI 模型

多模态 AI 模型，旨在进行视觉识别、图像推理和图像描述。由 Meta 开发，它整合了文本和图像输入，以提供先进的图像理解能力。Llama-3.2-11B-Vision-Instruct 是一个多模态 AI 模型，旨在进行视觉识别、图像推理和图像描述。由 Meta 开发，它整合了文本和图像输入，以提供先进的图像理解能力。

Youtu-Parsing-Omni

AI 模型

多功能的全模态解析模型，可以将文档、图像、图表和视频等多种输入转换为结构化的 JSON。它在感知和认知任务中表现出色，为各种解析需求提供统一的架构。Youtu-Parsing-Omni 是一个多功能的全模态解析模型，可以将文档、图像、图表和视频等多种输入转换为结构化的 JSON。它在感知和认知任务中表现出色，为各种解析需求提供统一的架构。

TrOCR 模型

AI 模型

为光学字符识别 (OCR) 任务设计的编码器-解码器模型。它利用基于 Transformer 的架构处理图像并生成文本，适用于识别图像中的手写文本。TrOCR 是一个为光学字符识别 (OCR) 任务设计的编码器-解码器模型。它利用基于 Transformer 的架构处理图像并生成文本，适用于识别图像中的手写文本。