OCR 与文档解析模型
查找适合图片、扫描 PDF、表格和复杂版面的 OCR 与文档解析能力。
先看主题地图，再进入选型
先区分文字识别、版面理解和完整文档解析，再按中文支持、表格能力、本地部署与吞吐量缩小候选范围。当前 KG 中部分 OCR 候选被归为 model，因此主题页不会只筛选 tool。
本页用于理解主题范围、发现候选和相关概念；准备按部署、预算或能力约束比较时，请进入上方的对应选型指南。
主题精选 KG 入口
这里是用于发现本主题的一组精选入口，不代表付费排名，也不等同于官方产品评测；需要完整语义召回和二层总结，请回到首页检索。
OCR
Converts scanned PDFs into searchable text across 38 languages with up to 99% ac
模型DeepSeek-OCR
作为jina-ocr-v1的后训练基础模型
模型PP-OCRv6
1.5M-parameter OCR model presented for low-latency edge deployment.
模型Unlimited-OCR
Unlimited OCR 2 的前代模型。
机制Agentic OCR
A multi-stage process running OCR, layout detection, and post-processing as sepa
模型DeepSeek-OCR-2
来源摘要：Github Model Download Paper Link Arxiv Paper Link Inference using Huggingface transformers on NVIDIA GPUs. Requirements tested on python 3.12.9 + CUDA11.8：
模型GLM-OCR
来源摘要：GLM-OCR is a multimodal OCR model for complex document understanding, built on the GLM-V encoder–decoder architecture. It introduces Multi-Token Prediction (MTP) loss and stable full-task reinforcement learning to improve training efficiency, recognition accuracy, and generalization. The model integrates the CogViT visual encoder pre-trained on large-scale image–text data, a lightweight cross-modal connector with efficient token downsampling, and a GLM-0.5B language decoder. Combined with a two-stage pipeline of la
模型GOT-OCR-2.0-hf
来源摘要：General OCR Theory: Towards OCR-2.0 via a Unified End-to-end Model - HF Transformers implementation Haoran Wei*, Chenglong Liu*, Jinyue Chen, Jia Wang, Lingyu Kong, Yanming Xu, Zheng Ge, Liang Zhao, Jianjian Sun, Yuang Peng, Chunrui Han, Xiangyu Zhang
留下这个主题的使用反馈
留言会关联到当前主题页面，保留在 KG 之外，其他访客也可以浏览和点赞。无需登录，不人工审核。