跳转到主要内容
ToolPotion
AI 顾问
提交(免费)

OXR-1.0

AI 模型AI 模型与大语言模型Free API / Open Source · 网页版

OXR-1.0是SoMark团队开发的开源文档解析模型。它将PDF和文档图像转换为代理友好的数据格式,如Markdown或JSON,包括布局坐标。通过在后期训练中利用递归自我改进循环,OXR-1.0以仅1.3亿个参数实现了最先进的准确性和行业领先的解析速度,使其在多样化的文档处理需求中极为高效。

查看模型
分享
查看模型
分享

OXR-1.0是SoMark团队开发的先进开源文档解析模型,旨在将复杂文档(如PDF和图像)转换为结构化的代理友好数据。它以Markdown或JSON等格式输出数据,附带布局坐标,使其在需要精确文档理解的各种应用中极具多功能性。

阅读更多

OXR-1.0以其创新的架构而著称,是首个在后期训练中结合递归自我改进(RSI)循环的文档解析模型。这种独特的方法使模型能够通过针对处理不正确或薄弱的样本来提升其性能,显著加快迭代和改进,而无需人工标注。尽管仅有1.3亿个参数,OXR-1.0在包括olmOCR-Bench、OmniDocBench和DocParsingBench在内的主要基准测试中始终排名第一,特别是在表格解析方面表现出色。

OXR-1.0的一个关键特性是其可插拔的布局分析模块,这是行业内的首次。这种设计允许用户用自定义布局模型替换内置布局模型,提供无与伦比的灵活性,以适应多样化的特定领域需求。OXR-1.0在内容识别和阅读顺序方面保持其核心能力,确保在各种文档场景中集成工作量最小。它能够识别13种不同的文档元素类型,从公式和表格到化学方程式和代码块,为每种元素提供边界框坐标。

除了准确性,OXR-1.0还拥有顶级的解析速度,在速度测试中超越其他开源模型。这种效率是通过在任务级别重新设计处理架构实现的,优化了速度,同时保持高准确性。该模型能够处理具有挑战性的文档类型和布局,包括A3考试卷、报纸、竖排文本,甚至手写文本。SoMark提供免费的API供测试使用,并提供全面的CLI和SDK工具,支持Python和JavaScript,确保开发者的广泛兼容性和易于集成。

  • 类别AI 模型与大语言模型
  • 定价模式Free API / Open Source
  • 部署云端, 本地运行
  • 平台网页版

  • 开源文档解析模型

  • 将PDF和文档图像转换为Markdown或JSON

  • 输出中包含布局坐标

  • 利用递归自我改进(RSI)循环进行后期训练

  • 实现最先进的(SOTA)准确性

  • 在olmOCR-Bench、OmniDocBench和DocParsingBench中排名第一

  • 拥有1.3亿个参数

  • 提供行业领先的解析速度

  • 独立且可插拔的布局分析模块

  • 支持自定义布局模型

  • 处理内容识别和阅读顺序

  • 识别13种文档元素类型(公式、表格、化学方程式、代码块等)

  • 在具有挑战性的文档上表现良好(A3考试卷、手写文本、竖排文本)

  • 提供免费的API供测试使用

  • 与SoMark的官方文档解析API和CLI工具兼容

  1. 访问模型:从Hugging Face或ModelScope下载OXR-1.0代码和模型。

  2. 准备环境:设置您的环境以下载模型并执行服务。

  3. 启动服务:使用Docker运行OXR-1.0服务以获得推荐设置,或从源代码启动单个服务(OXR模型、布局分析模型、文档解析API)。

  4. 配置API:如果从源代码运行,请通过在config.yaml中设置URL字段为OXR和布局分析模型服务的地址来配置文档解析API。

  5. 打开视觉演示:访问http://localhost:8000/demo以上传PDF或图像并查看解析结果,包括Markdown预览、源、布局边界框和阅读顺序。

  6. 发送解析请求:直接使用OXR API或通过更改基础URL与SoMark的CLI/SDK工具(somark-py、somark-js)集成以发送解析请求。

  7. 优化集成:根据特定领域需求调整可插拔的布局分析模块,以实现定制的文档结构解析。

  • 文档数字化
  • 数据提取
  • 内容识别
  • 自动化文档处理
  • 代理友好的数据准备
  • 自定义布局分析
  • 研究与开发
  • 文档解析基准测试

OXR-1.0 评价

加载中...

与 OXR-1.0 类似的热门AI工具

MiniCPM-OCR 1.0 是一个专为文本中心文档理解设计的 OCR 特定模型。它在解析文本、表格和图表方面表现出色,为现实世界的文档处理提供高效的推理和便捷的部署。

AI 模型与大语言模型
查看工具

专为文本中心文档理解设计的 OCR 特定模型。它在解析文本、表格和图表方面表现出色,为现实世界的文档处理提供高效的推理和便捷的部署。MiniCPM-OCR 1.0 是一个专为文本中心文档理解设计的 OCR 特定模型。它在解析文本、表格和图表方面表现出色,为现实世界的文档处理提供高效的推理和便捷的部署。

AI 模型与大语言模型
查看 AI 模型 Top 5

OXR

AI GitHub 仓库

OXR是一个开源文档解析模型,旨在实现高准确性和速度。它在后训练期间利用RSI循环来增强性能,使其成为寻求高效文档处理解决方案的开发者的可靠选择。

AI 文档与 PDF 工具
查看工具

AI GitHub 仓库

开源文档解析模型,旨在实现高准确性和速度。它在后训练期间利用RSI循环来增强性能,使其成为寻求高效文档处理解决方案的开发者的可靠选择。OXR是一个开源文档解析模型,旨在实现高准确性和速度。它在后训练期间利用RSI循环来增强性能,使其成为寻求高效文档处理解决方案的开发者的可靠选择。

AI 文档与 PDF 工具
查看 AI GitHub 仓库 Top 250

PaddleOCR-VL-1.6 是一个先进的文档解析模型,增强了区域优化和后训练过程。它在 OmniDocBench 上实现了最先进的准确性,支持文本、公式和表格识别。

AI 模型与大语言模型
查看工具

先进的文档解析模型,增强了区域优化和后训练过程。它在 OmniDocBench 上实现了最先进的准确性,支持文本、公式和表格识别。PaddleOCR-VL-1.6 是一个先进的文档解析模型,增强了区域优化和后训练过程。它在 OmniDocBench 上实现了最先进的准确性,支持文本、公式和表格识别。

AI 模型与大语言模型
查看 AI 模型 Top 5

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。

AI 模型与大语言模型
查看工具

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。

AI 模型与大语言模型
查看 AI 模型 Top 5

LayoutLM

AI GitHub 仓库

LayoutLM 是一个用于视觉丰富文档理解和信息提取的多模态预训练模型。它结合了文本、布局和图像信息,在表单和收据理解等任务上取得了最先进的成果。该模型有多种尺寸和版本,包括多语言支持。

AI 模型与大语言模型
查看工具

AI GitHub 仓库

用于视觉丰富文档理解和信息提取的多模态预训练模型。它结合了文本、布局和图像信息,在表单和收据理解等任务上取得了最先进的成果。该模型有多种尺寸和版本,包括多语言支持。LayoutLM 是一个用于视觉丰富文档理解和信息提取的多模态预训练模型。它结合了文本、布局和图像信息,在表单和收据理解等任务上取得了最先进的成果。该模型有多种尺寸和版本,包括多语言支持。

AI 模型与大语言模型
查看 AI GitHub 仓库 Top 250

LightOnOCR-3-4B 是一款高性能的 OCR 模型,提供先进的布局和视觉理解能力。它为视觉元素提供准确的转录和边界框坐标,适用于复杂的文档处理任务。

AI 模型与大语言模型
查看工具

高性能的 OCR 模型,提供先进的布局和视觉理解能力。它为视觉元素提供准确的转录和边界框坐标,适用于复杂的文档处理任务。LightOnOCR-3-4B 是一款高性能的 OCR 模型,提供先进的布局和视觉理解能力。它为视觉元素提供准确的转录和边界框坐标,适用于复杂的文档处理任务。

AI 模型与大语言模型
查看 AI 模型 Top 5

Monkt

AI 应用

Monkt 将 PDF、Word 和网页等文档转换为 AI 就绪的 Markdown 或结构化 JSON。它为 LLM 系统优化内容,支持自定义 AI 聊天机器人、智能知识库和高质量训练数据集。通过其 REST API,无缝地将文档处理集成到您的应用程序中。

AI 文档与 PDF 工具

微调AI模型 排名第 110 位

查看工具

AI 应用

将 PDF、Word 和网页等文档转换为 AI 就绪的 Markdown 或结构化 JSON。它为 LLM 系统优化内容,支持自定义 AI 聊天机器人、智能知识库和高质量训练数据集。通过其 REST API,无缝地将文档处理集成到您的应用程序中。Monkt 将 PDF、Word 和网页等文档转换为 AI 就绪的 Markdown 或结构化 JSON。它为 LLM 系统优化内容,支持自定义 AI 聊天机器人、智能知识库和高质量训练数据集。通过其 REST API,无缝地将文档处理集成到您的应用程序中。

AI 文档与 PDF 工具
微调AI模型 排名第 110 位

Extend

AI 应用

Extend提供了一种强大的文档处理基础设施,专为AI代理设计。它使用户能够以超过99%的准确率解析、提取和拆分复杂文档,从而显著简化工作流程并减少处理时间。

AI 文档与 PDF 工具

清理和格式化数据 排名第 39 位

查看工具

AI 应用

提供了一种强大的文档处理基础设施,专为AI代理设计。它使用户能够以超过99%的准确率解析、提取和拆分复杂文档,从而显著简化工作流程并减少处理时间。Extend提供了一种强大的文档处理基础设施,专为AI代理设计。它使用户能够以超过99%的准确率解析、提取和拆分复杂文档,从而显著简化工作流程并减少处理时间。

AI 文档与 PDF 工具
清理和格式化数据 排名第 39 位
1/8