OCR 相关技术文章

php mysql shell go vue css api接口对接支付接口对接

pdf-inspector 开源：Firecrawl 的 PDF 交通警察，200 份文档 0.47 秒分类提取

pdf-inspector 开源：Firecrawl 的 PDF 交通警察，200 份文档 0.47 秒分类提取
2026-09-12 09:56:54
pdf-inspector 是 Firecrawl 开源的 PDF 智能分类与提取库：先判断 PDF 是文本型、扫描件、图片型还是混合型再决定处理方式，分类只要 10-50ms，文本型本地处理 200ms 内，200 份文档基准 0.47 秒比 PyMuPDF4LLM 快 30 多倍；提取带 X/Y 坐标与字体信息并自动还原多栏阅读顺序，双模式表格检测得分 0.814 领先，支持 Python/Node/Rust/浏览器 WASM。
pdf-inspector PDF解析 OCR RAG Firecrawl

LiteParse 开源：LlamaIndex 出品的本地 PDF 解析器，Rust 实现快准还带 OCR

LiteParse 开源：LlamaIndex 出品的本地 PDF 解析器，Rust 实现快准还带 OCR
2026-09-12 09:52:31
LiteParse 是 LlamaIndex 团队用 Rust 从零重写的本地 PDF 解析工具：基于 Chrome 同款 PDFium 引擎做字符级文本提取，内置 Tesseract OCR 开箱即用且智能判断仅对扫描页触发；保留空间布局输出边界框，支持 Word/Excel/PPT/图片等格式与批量解析、页面截图，提供 Rust/Python/Node/WASM 四语言绑定。
LiteParse PDF解析 OCR LlamaIndex Rust

LifeTrace：自动截屏 + OCR 的本地数字记忆库，让电脑替你记住一切

LifeTrace：自动截屏 + OCR 的本地数字记忆库，让电脑替你记住一切
2026-09-12 09:46:56
LifeTrace 是运行在本地的全自动生活记录与检索系统：定时截屏 + OCR 提取文字 + 向量存储，支持自然语言语义检索过去看到的内容，自动聚合智能事件并生成 24 小时时间分配图表，所有数据本地存储、断网可用。
LifeTrace OCR 向量检索数字记忆本地优先

不用越狱，iPhone屏幕上的字靠OCR找坐标：macOS镜像窗口里跑通了Agent控制真机

不用越狱，iPhone屏幕上的字靠OCR找坐标：macOS镜像窗口里跑通了Agent控制真机
2026-09-05 19:22:27
介绍 phone-harness 这个开源项目：利用macOS的iPhone Mirroring镜像窗口，通过Vision Framework做OCR识别文字坐标、CGEvents模拟点击输入，让Claude和Codex等Agent无需越狱即可操作真实iPhone，GitHub已获2.3K Star。
phone-harness iPhone自动化 Agent控制手机 iPhone Mirroring OCR

Unlimited-OCR：百度开源长文档OCR模型，3B参数刷新端到端SOTA

Unlimited-OCR：百度开源长文档OCR模型，3B参数刷新端到端SOTA
2026-09-05 19:02:41
介绍百度开源的Unlimited-OCR文档解析模型：总参数3B、实际激活仅500M，通过R-SWA参考滑动窗口注意力和DeepEncoder实现40多页文档一次性解析不丢内容不减速，在OmniDocBench v1.6上达93.92%，支持Transformers和SGLang两种推理方式。
Unlimited-OCR 文档解析 OCR 百度开源长文档

Docling：IBM 开源的文档解析与转换工具

Docling：IBM 开源的文档解析与转换工具
2026-09-05 01:25:18
介绍 IBM 开源的 Python 文档解析工具 Docling：支持 PDF/DOCX/PPTX/图片/音频等格式，可输出 Markdown/HTML/JSON，集成 LangChain 等 AI 生态，含安装、Python 与命令行用法。
Docling 文档解析 Python 开源 PDF OCR

PDF24 免费 PDF 工具箱：30+ 功能覆盖编辑/转换/OCR，支持在线与桌面端

PDF24 免费 PDF 工具箱：30+ 功能覆盖编辑/转换/OCR，支持在线与桌面端
2026-09-05 00:50:20
介绍免费 PDF 处理工具 PDF24：30+ 功能覆盖编辑、合并拆分、格式互转、OCR、压缩加密加水印，支持在线版与桌面版，并给出官方使用与下载地址。
PDF24 PDF OCR 工具

小旺AI截图：接入 DeepSeek 的 Windows/macOS 截图工具

小旺AI截图：接入 DeepSeek 的 Windows/macOS 截图工具
2026-09-04 23:15:21
小旺AI截图是一款接入 DeepSeek 的免费截图工具，支持截图、贴图、长截图、带壳截图、录屏、标注、OCR、AI 翻译与 AI 解释，覆盖 Windows 和 macOS 平台。
截图工具 OCR DeepSeek Windows macOS

MinerU-Popo：4B 后处理模型把跨页 OCR 拼回文档树，TEDS 53.7→90.6

MinerU-Popo：4B 后处理模型把跨页 OCR 拼回文档树，TEDS 53.7→90.6
2026-09-03 18:45:07
MinerU 团队开源的 MinerU-Popo 是 4B 参数的 OCR 后处理模型，负责把跨页被切碎的表格、段落、标题层级和图文关系重新拼成文档树，五家主流 OCR 的标题层级 TEDS 从 50-60 分冲到 80 分以上。本文拆解它的数据引擎、动态分块与文档富化三招原理及成本账。
MinerU-Popo OCR 文档解析 RAG 大模型

把 OCR 塞进浏览器：onnxruntime-web + PP-OCRv6 tiny 实战笔记

把 OCR 塞进浏览器：onnxruntime-web + PP-OCRv6 tiny 实战笔记
2026-09-01 18:27:29
本文介绍如何用onnxruntime-web将PP-OCRv6 tiny模型部署到浏览器，实现纯前端OCR识别。无需后端服务，图片不出本机。详细讲解模型下载、文本检测DBNet后处理、CTC解码等完整流程，适合内部工具与离线环境。注意这是demo级方案，需权衡设备性能。
OCR 前端 AI推理 WebGPU PP-OCRv6

AI 阅卷这套流程，"知卷"跑通了，但选型前先确认这几件事

AI 阅卷这套流程，"知卷"跑通了，但选型前先确认这几件事
2026-08-31 07:33:32
调研 AI 阅卷/试卷批改方向的开源与商用方案时，看到"知卷"跑通了从试卷识别到错题分析的全链路。这篇文章讲清楚它的功能边界、适用场景和选型前要确认的几个关键点。
AI阅卷试卷批改 OCR 知卷开源项目

微软 MarkItDown 深度拆解：一个依赖吃掉所有文档格式，RAG 预处理层的事实标配是怎样炼成的

微软 MarkItDown 深度拆解：一个依赖吃掉所有文档格式，RAG 预处理层的事实标配是怎样炼成的
2026-07-30 03:13:05
深度拆解微软开源的 MarkItDown：统一入口把 PDF/Word/PPT/Excel/音频/ZIP 转成结构保留的 Markdown，含转换器注册架构、RAG 流水线实战、插件开发、三档云端后端选型与生产性能安全清单。
MarkItDown Microsoft RAG 文档转换 Markdown LLM Python OCR 开源文档预处理

MarkItDown 深度拆解：当微软把文档预处理做到极致——161K Star 的 LLM 预处理层工程全貌（2026·完整版）

MarkItDown 深度拆解：当微软把文档预处理做到极致——161K Star 的 LLM 预处理层工程全貌（2026·完整版）
2026-07-20 11:50:12
2026年深度拆解微软开源项目 MarkItDown：161K Star 的文档转 Markdown 神器，从插件化架构、20+格式处理机制到生产级 RAG 流水线集成的完整工程指南，配可运行代码示例。
MarkItDown Python LLM RAG 文档处理微软开源 Markdown PDF Word Excel OCR 向量化

百度Unlimited-OCR深度解析：R-SWA常量KV缓存如何让OCR一口气吃下几十页文档——从单图解析到多页PDF的完整实战指南

百度Unlimited-OCR深度解析：R-SWA常量KV缓存如何让OCR一口气吃下几十页文档——从单图解析到多页PDF的完整实战指南
2026-07-06 11:16:05
深度解析百度开源Unlimited-OCR：13K+ Stars，R-SWA常量KV缓存让端到端OCR模型在32K上下文下一次性转录几十页文档。从架构设计到vLLM/SGLang生产部署完整实战指南。
Unlimited-OCR 百度 R-SWA OCR KV缓存文档解析长文档 vLLM

百度 Unlimited OCR 深度解析：端到端架构、R-SWA 常数量化 KV Cache，以及让 AI 像人一样抄书的工程革命

百度 Unlimited OCR 深度解析：端到端架构、R-SWA 常数量化 KV Cache，以及让 AI 像人一样抄书的工程革命
2026-07-05 05:41:29
深度解析百度2026年开源的Unlimited OCR模型：端到端架构、R-SWA常数量化KV Cache机制、MoE解码器设计，以及让AI像人一样连续解析长文档的工程革命。含完整代码实战。
OCR 百度端到端OCR R-SWA KV Cache 文档识别多模态

百度 Unlimited OCR 深度技术解析：端到端多模态OCR模型架构与R-SWA注意力机制详解

百度 Unlimited OCR 深度技术解析：端到端多模态OCR模型架构与R-SWA注意力机制详解
2026-07-05 02:43:03
深入解析百度Unlimited OCR的核心技术：R-SWA注意力机制如何将KV Cache压成常数，DeepEncoder+MoE解码器架构，以及长文档OCR的完整解决方案。
OCR 百度深度学习 Transformer KV Cache 端到端多模态文档解析

百度 Unlimited OCR 深度解析：端到端长文档 OCR 的新范式——从 R-SWA 机制到 3B 参数模型、从 KV Cache 压缩到生产级部署的完整技术指南（2026）

百度 Unlimited OCR 深度解析：端到端长文档 OCR 的新范式——从 R-SWA 机制到 3B 参数模型、从 KV Cache 压缩到生产级部署的完整技术指南（2026）
2026-07-04 03:13:57
2026年6月百度开源Unlimited OCR，5天GitHub Star破1万。深度解析R-SWA机制、3B参数模型架构、KV Cache压缩原理，含完整部署代码与生产级应用案例。
百度 Unlimited OCR OCR R-SWA KV Cache 长文档识别端到端OCR 多模态模型

万字深度解析百度 Unlimited OCR：当长文档解析遇见 R-SWA 革命——从常数级 KV Cache 到 40 页一次性识别的完整技术指南（2026）

万字深度解析百度 Unlimited OCR：当长文档解析遇见 R-SWA 革命——从常数级 KV Cache 到 40 页一次性识别的完整技术指南（2026）
2026-07-02 18:16:20
深度解析百度 Unlimited OCR 的 R-SWA 参考滑动窗口注意力机制，将 KV Cache 从线性增长压至常数级；3B MoE 解码器架构、DeepEncoder 视觉编码器；完整本地部署代码、KV Cache 监控脚本与 SGLang 生产推理优化指南。OmniDocBench v1.6 综合得分 93.92%，端到端 OCR 新 SOTA。
OCR R-SWA KV Cache MoE 百度长文档解析 Transformer 深度学习 Python 性能优化

R-SWA如何让OCR「过目不忘」：百度Unlimited-OCR的KV缓存革命与40页长文档解析实战（2026）

R-SWA如何让OCR「过目不忘」：百度Unlimited-OCR的KV缓存革命与40页长文档解析实战（2026）
2026-07-02 10:47:12
深度解析百度2026年开源的Unlimited-OCR模型：3B参数的端到端OCR系统，R-SWA机制实现常数级KV缓存，OmniDocBench 93.92% SOTA评分，可一口气解析40页文档
Unlimited-OCR 百度 OCR R-SWA MoE CLIP 端到端长文档处理深度学习多模态

万字深度解析百度 Unlimited-OCR：当端到端OCR遇见R-SWA革命，从逐页失忆到40页文档一口气解析（2026）

万字深度解析百度 Unlimited-OCR：当端到端OCR遇见R-SWA革命，从逐页失忆到40页文档一口气解析（2026）
2026-07-02 10:46:07
深度解析百度2026年开源的Unlimited-OCR模型：3B参数的端到端OCR系统，R-SWA机制实现常数级KV缓存，OmniDocBench 93.92% SOTA评分，可一口气解析40页文档
Unlimited-OCR 百度 OCR R-SWA MoE CLIP 端到端长文档处理深度学习多模态

万字深度解析 MinerU：当文档解析遇见「视觉语言模型」——从 PDF 到结构化 Markdown 的端到端工程化实践（2026）

万字深度解析 MinerU：当文档解析遇见「视觉语言模型」——从 PDF 到结构化 Markdown 的端到端工程化实践（2026）
2026-07-02 01:13:03
深度解析MinerU开源项目：72.3K GitHub Star的文档解析引擎，VLM+OCR双引擎，1.2B参数达到95.69分（OmniDocBench），支持PDF/DOCX/PPTX/XLSX解析，原生集成LangChain/Dify/RAGFlow等六大框架，含15+可运行代码示例。
MinerU PDF解析文档解析 RAG LLM VLM OCR LangChain Dify MCP

万字深度解析 Microsoft MarkItDown：当文档解析遇见 LLM 预处理——从 15 种格式支持到 RAG 生产级实战的完整指南（2026）

万字深度解析 Microsoft MarkItDown：当文档解析遇见 LLM 预处理——从 15 种格式支持到 RAG 生产级实战的完整指南（2026）
2026-07-01 08:46:35
万字深度解析微软 MarkItDown：15种格式一键转Markdown，单月新增34K Star登顶GitHub飙星榜。涵盖技术架构、核心算法、代码实战、性能优化与生产部署完整指南。
MarkItDown 文档转换 Markdown LLM RAG PDF Word OCR 微软开源项目

万字深度解析百度 Unlimited OCR：当 R-SWA 遇见 MoE——3B 参数如何碾压端到端 OCR 全场（2026）

万字深度解析百度 Unlimited OCR：当 R-SWA 遇见 MoE——3B 参数如何碾压端到端 OCR 全场（2026）
2026-07-01 03:42:17
2026年6月百度开源Unlimited OCR，5天GitHub Star破万。深度解析R-SWA注意力机制、MoE架构、16倍视觉Token压缩，以及为何能将KV Cache从线性增长压成常数。
Unlimited OCR OCR R-SWA MoE 百度深度学习计算机视觉文档识别 KV Cache

百度Unlimited OCR技术深度解析：R-SWA机制如何把KV Cache压成常数，3B模型刷新长文档OCR王座

百度Unlimited OCR技术深度解析：R-SWA机制如何把KV Cache压成常数，3B模型刷新长文档OCR王座
2026-06-30 02:13:31
百度Unlimited OCR技术深度解析：R-SWA机制如何把KV Cache压成常数，3B模型刷新长文档OCR王座
OCR 百度深度学习文档解析 R-SWA

大家都在搜索什么？

devops 易支付一个官网+多少钱统一接受回调统一回调 python sub node 宝塔日志 mysql shell ElasticSearch css vue api接口对接 2025 支付接口对接 go php php回调