面壁智能开源两款 OCR 模型： 1.3B 的 MiniCPM-OCR 1.0 能识别手写文字、复杂表格、公式，以及拍歪、弯曲的文档。在六项 OCR 基准测… · @0xLogicrw · TwKit

@0xLogicrw

面壁智能开源两款 OCR 模型： 1.3B 的 MiniCPM-OCR 1.0 能识别手写文字、复杂表格、公式，以及拍歪、弯曲的文档。在六项 OCR 基准测试中，它有四项排名第一。在 RTX 5090 上每秒可处理 1.217 页，比 PaddleOCR-VL-1.6 快约 49%。 另一款 2B 模型 MiniCPM-OCR Jev 则专门负责挑错。它对照原图检查 OCR 的结果，给文字、公式和表格的识别结果打分。达到设定阈值的内容可以免于人工复核，存疑的再交给工作人员检查。它也能检查 GLM-OCR、PaddleOCR 等其他模型的输出，不需要更换原有的 OCR 系统。 这套设计瞄准的是 OCR 流程里最费人的一环：机器很快就能读完文档，工作人员却还得逐项检查有没有漏字、错行或数字识别错误。 面壁在 900 个经过人工标注的文档区域上的内部实验显示，当免检部分的准确率接近 100% 时，法律文书最多有 85% 的区域无需人工核对，财务票据为 56.2%，复杂文档为 35.1%。

曝光 214 · 评论 0 · 点赞 0 · 书签 0