深度解析DeepSeek OCR技术：揭秘API调用流程与输出格式
本文深入剖析了DeepSeek OCR的技术实现细节，详细拆解了从图片上传、生成唯一ID、监控上传进度，到通过任务队列进行异步推理的完整数据流。文章重点解读了其API交互逻辑，特别是对返回结果中包含的边界框坐标与文本类型标签（如 和 ）的结...
标签索引
文档智能
这个标签下有 4 篇文章。按时间回看相关判断与实践记录。
标签精选
相关内容
文档解析新突破：dots.ocr 1.5发布，实现SOTA水平并支持图表转SVG代码
GitHub开源仓库rednote-hilab/dots.ocr发布了1.5版本，该工具基于单一视觉-语言模型，在多语言文档布局解析方面达到了SOTA（最先进）水平。此次更新的核心亮点在于创新性地支持将文档中的图表直接转换为可编辑的SVG代...
挑战 SOTA 的轻量级模型：GLM-OCR 发布，0.9B 参数实现端侧高性能文档解析
智谱AI旗下的轻量级OCR模型GLM-OCR正式发布。该模型参数量仅为0.9B，延续了当前AI模型向端侧和轻量化发展的趋势。官方数据显示，尽管体积小，但其在公式识别、表格还原和信息提取方面均达到SOTA（当前最佳）水平。在性能测试中，GLM...
高效解析PDF：大模型助力文档智能处理
该文章探讨了如何高效解析PDF文件，提取其中的文字、表格和图片内容。特别地，提出将图片部分交给大模型进行智能解析，然后将生成的文字描述替换并拼接到原始提取的文字中。社区成员分享了多种快捷且准确的方法来实现这一流程，涉及15个帖子和8位参与者...