返回首页
开源动态6

小米开源0.8B文档理解模型Xiaomi-OCR-0

小华同学ai
AI 摘要

小米开源面向文字识别与文档理解的视觉语言模型 Xiaomi-OCR-0,基于 Qwen3.5-0.8B 开发,支持将文档解析为结构化 Markdown、公式转换为 LaTeX、提取字段并输出 JSON。

输出格式:表格经后处理转为 HTML,公式输出为 LaTeX 格式

运行模式:提供整页识别与先切分区域再识别两种处理路径

部署支持:支持 SGLang 与 vLLM 本地推理,并提供 MCP 服务

阅读原文 · 小华同学ai
我去,没想到效果还真可以,Xiaomi-OCR-0!!!!!
小米开源面向文字识别与文档理解的视觉语言模型 Xiaomi-OCR-0,基于 Qwen3.5-0.8B 开发,支持将文档解析为结构化 Markdown、公式转换为 LaTeX、提取字段并输出 JSON。

相关文章