Tutoriel En Ligne | Brisant La Dépendance Aux Documents Structurés, dots.ocr Atteint Des Performances OCR De Pointe Dans Des Centaines De Langues Sur La Base De Paramètres 1,7B.

Récemment, un modèle appelé dots.ocr a fait des vagues dans le domaine de la technologie OCR avec sa conception légère unique et ses capacités d'extraction de texte précises. dots.ocr est un modèle d'analyse de mise en page de documents multilingues publié par le laboratoire hi de Xiaohongshu en août 2025.Le modèle est basé sur un modèle de langage visuel (VLM) de 1,7 milliard de paramètres qui peut effectuer la détection de mise en page et la reconnaissance de contenu de manière unifiée.Qu'il s'agisse d'une numérisation floue, d'un instantané de téléphone portable incliné ou d'une capture d'écran basse résolution, dots.ocr peut capturer avec précision des informations textuelles fragmentées grâce à des algorithmes de réduction adaptative du bruit et à une technologie de segmentation dynamique.La microarchitecture avec une taille de modèle inférieure à 2B permet aux équipements industriels, aux terminaux mobiles et même aux systèmes embarqués d'atteindre une reconnaissance de texte en temps réel au niveau de la milliseconde, rompant ainsi complètement avec la dépendance au cloud..

Plus particulièrement, dots.ocr s'affranchit de la dépendance traditionnelle de l'OCR aux documents structurés. En intégrant un mécanisme de fusion de caractéristiques multi-échelles avec correction d'erreurs sémantiques contextuelles, le modèle conserve une cohérence et une précision proches de celles de la lecture humaine lors de la reconnaissance d'écritures manuscrites maladroites, de données tabulaires denses ou de textes à composition mixte. De plus,En termes de traitement de documents multilingues, il prend en charge 100 langues, dont le chinois et l'anglais, et peut identifier et traiter avec précision le contenu du texte et les éléments de mise en page dans les documents multilingues.Qu'il s'agisse de documents multilingues ou d'environnements linguistiques complexes, dots.ocr offre des résultats d'analyse stables et précis. Dans des benchmarks comme OmniDocBench, les performances de reconnaissance de formules de dots.ocr rivalisent avec celles de modèles plus performants comme Doubao-1.5 et Gemini2.5-Pro. Il démontre un avantage significatif dans l'analyse des langues minoritaires, atteignant véritablement l'objectif « petit mais précis ».

à l'heure actuelle,dots.ocr : un modèle d'analyse de documents multilinguesIl a été publié dans la section « Tutoriel » du site officiel d'HyperAI. Cliquez sur le lien ci-dessous pour le déployer en un clic.

Lien du tutoriel :

https://go.hyper.ai/49mZU

Essai de démonstration

1. Sur la page d'accueil de hyper.ai, sélectionnez la page Tutoriels, choisissez dots.ocr : Modèle d'analyse de documents multilingues, puis cliquez sur Exécuter ce tutoriel en ligne.

2. Une fois la page affichée, cliquez sur « Cloner » dans le coin supérieur droit pour cloner le didacticiel dans votre propre conteneur.

3. Sélectionnez les images « NVIDIA GeForce RTX 4090 » et « PyTorch », puis choisissez « Paiement à l'utilisation » ou « Forfait journalier/hebdomadaire/mensuel » selon vos besoins, puis cliquez sur « Continuer ». Les nouveaux utilisateurs peuvent s'inscrire via le lien d'invitation ci-dessous pour obtenir 4 heures de RTX 4090 et 5 heures de temps processeur gratuit !

Lien d'invitation exclusif HyperAI (copier et ouvrir dans le navigateur) :

https://openbayes.com/console/signup?r=Ada0322_NR0n

4. Attendez que les ressources soient allouées. Le premier clonage prendra environ 3 minutes. Lorsque le statut passe à « En cours d'exécution », cliquez sur la flèche à côté de « Adresse API » pour accéder à la page de démonstration. Veuillez noter que les utilisateurs doivent s'authentifier avec leur nom réel avant d'utiliser l'adresse API.

Démonstration d'effet

En prenant la fonction « Parse » comme exemple, j'ai téléchargé un document en anglais, et l'effet est le suivant :

Qu'il s'agisse d'un tableau ou d'une formule, le modèle peut faire un excellent travail de reconnaissance :

Le tutoriel ci-dessus est celui recommandé par HyperAI cette fois-ci. Bienvenue à tous pour le découvrir !

Lien du tutoriel :https://go.hyper.ai/49mZU

Obtenez des articles de haute qualité et des articles d'interprétation approfondis dans le domaine de l'IA4S de 2023 à 2024 en un seul clic⬇️