我要投稿

一个端到端的 OCR 模型，炸裂开源！

发布日期：2024-09-29 18:57:50 浏览次数： 2328

作者：逛逛GitHub

微信搜一搜，关注“逛逛GitHub”

GOT-OCR 2.0 是一款革命性的端到端通用 OCR 模型，它能够识别和提取文本，还能处理数学公式、分子式、图表、乐谱、几何图形等多种内容，极大地拓宽了 OCR 技术的应用范围。

模型大小仅 1.43GB，下面列出来在各个场景的效果，感兴趣的往下看。

? 项目特点

① 多语言、多模态识别：GOT-OCR 2.0 支持多种语言和模态的文本识别，无论是印刷体还是手写体，都能准确识别。

② 多样化输入输出：支持照片、文档、切片等多种输入格式，输出格式包括纯文本、Markdown、TikZ、SMILES、Kern 等，满足不同场景的需求。

③ 长文本处理能力：解码器支持 8K 最大长度的 token，能够处理长文本场景，适用于学术论文、法律文件等长文本资料。

④ 高级功能：包括交互式 OCR 功能、动态分辨率策略、多页 OCR 技术支持，提供更加灵活和高效的 OCR 解决方案。

如下是 GOT 和其他 OCR 模型的对比评分，取得了非常不错的成绩。

OCR 识别效果

公式：

大段文字：

提取文字：

提取某一坐标的文字：

论文：

特殊字符 OCR：

其他语言：

开源地址：https://github.com/Ucas-HaoranWei/GOT-OCR2.0
论文地址：https://arxiv.org/pdf/2409.01704

历史盘点

逛逛 GitHub 每天推荐一个好玩有趣的开源项目。历史推荐的开源项目已经收录到 GitHub 项目，欢迎 Star：

地址：https://github.com/Wechat-ggGitHub/Awesome-GitHub-Repo

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费场景POC验证，效果验证后签署服务协议。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2025-06-15

构建强大AI智能体的10大开源利器！

2025-06-14

从天价咨询到免费AI，夸克能改变志愿填报这门生意吗？

2025-06-14

开源破局，中国AI正在改写全球竞争格局！

2025-06-13

MinerU-利用专用LLM模型提取PDF内容的工具实测

2025-06-13

官宣|Milvus 2.6正式开源：内存减少 72%，速度比ES快4倍

2025-06-13

CoCo：全球首个“有记忆”的企业级AI Agent

2025-06-13

OpenAI 三连更：Team 上线 o3-pro、o3 额度翻倍、Projects 大升级！

2025-06-13

Manus免费版来了！两大核心更新功能实测

了解更多

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

Dify新版本部署失败的看过来！Dify 1.0.0本地部署使用及主要问题解决方法

2025-03-19

基于 Deepseek LLM 本地知识库搭建开源方案(AnythingLLM、Cherry、Ragflow、Dify)认知

2025-03-19

MCP服务介绍及应用场景报告-来自Manus

2025-04-01

15个最佳开源 RAG 框架选型指南

2025-04-13

47.3K star！这款开源RAG引擎真香！文档理解+精准检索+可视化干预，一站式搞定！

2025-04-01

源神降临！阿里 Qwen3 全系发布，免费商用，消费级显卡就能跑！(深度解读 + 实战case)

2025-04-29

CAMEL-AI Blog｜OWL调用MCP Toolkit实践

2025-03-19

字节跳动开源 LangManus：不止是 Manus 平替，更是 AI 自动化新引擎

2025-03-23

万字赏析 DeepSeek 创造之美：DeepSeek R1 是怎样炼成的？

2025-03-22

OpenAI学院：人工智能领头羊自己下场做课了

2025-04-12

大家都在问

从天价咨询到免费AI，夸克能改变志愿填报这门生意吗？

2025-06-14

开源RAG项目到底如何选型？

2025-06-10

免费开源的 Nanobrowser，竟成Web自动化的 “隐形高手”？

2025-06-08

如何管理和调度Dify工作流？

2025-05-28

字节开源文档解析Dolphin，PDF解析效率提升83%，到底行不行？

2025-05-28

蚂蚁集团开源antv的MCP服务：AI智能体与数据可视化的桥梁如何搭建？

2025-05-26

拆解OpenAI最大对手的杀手锏：为什么会是MCP？

2025-05-25

从基础大模型到场景适配，企业如何做好商业化最后一公里？

2025-05-23

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI 知识管理开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB