dots.ocr 是一个强大的多语言文档解析器，它在一个单一的视觉-语言模型中统一了布局检测和内容识别，同时保持良好的阅读顺序。尽管其基础是紧凑的1.7B参数的大规模语言模型，但它达到了最先进的（SOTA）性能。
dots.ocr的主要功能
强大的性能： dots.ocr 在 OmniDocBench 上实现了文本、表格和阅读顺序的SOTA性能，同时在公式识别方面与更大的模型如Doubao-1.5和gemini2.5-pro相比也具有可比性。
多语言支持： dots.ocr 对低资源语言表现出强大的解析能力，在我们的内部多语言文档基准测试中，在布局检测和内容识别方面都取得了决定性的优势。
高效且快速的性能： 基于紧凑的1.7B大规模语言模型构建，dots.ocr 比许多基于更大基础的高性能模型提供了更快的推理速度。
dots.ocr的技术原理
统一且简单的架构： 通过利用单一的视觉-语言模型，dots.ocr 提供了一个比依赖复杂多模型流水线的传统方法更简洁的架构。任务之间的切换只需简单地改变输入提示即可实现，证明了一个VLM可以与传统的检测模型如DocLayout-YOLO相比达到竞争性的检测结果。
dots.ocr的应用场景
跨境多语言合同智能审阅
dots.ocr 可快速解析中、英、阿、法、西等多语种PDF合同扫描件，精准识别条款文本、表格条款及法律条文阅读顺序，为律所或企业法务系统提供结构化输入，显著提升合规审查效率。
低资源语言政务文档数字化
面向东南亚、非洲等地的本土语言（如斯瓦希里语、宿务语）手写/印刷公文，dots.ocr 能稳定完成版面分析与内容识别，助力政府机构低成本构建本地化OCR基础设施，推动数字政务普惠落地。
Github： https://github.com/rednote-hilab/dots.ocr/tree/master?tab=readme-ov-file
模型： https://huggingface.co/rednote-hilab/dots.ocr
【rednote-hilab/dots.ocr】模型已经在趋动云『社区项目』上线，无需自己创建环境、下载模型，一键即可快速部署，快来体验【rednote-hilab/dots.ocr】带来的精彩体验吧！
项目入口
https://open.virtaicloud.com/web/project/detail/667277356582531072
视频教程
http://bilibili.com/video/BV1UCzYBzE3x/?spm_id_from=333.1387.homepage.video_card.click
启动开发环境
进入【rednote-hilab/dots.ocr】项目主页中，点击运行一下，将项目一键克隆至工作空间，『社区项目』推荐适用的算力规格，可以直接立即运行，省去个人下载数据、模型和计算算力的大量准备时间。
配置完成，点击进入开发环境，根据主页项目介绍进行部署。
使用方法
在gemini/code中找到使用说明，选中使用方法单元格，点击运行。
等待生成local URL，右侧添加端口7860。
项目使用方法
示例展示
➫温馨提示： 完成项目后，记得及时关闭开发环境，以免继续产生费用！