OCR Awesome

OCR、文档解析、版面分析、表格和公式识别资源索引。

OCR Models

release	model	params
2026-02	GLM-OCR	0.9B
2026-01	DeepSeek-OCR-2-3B	3B
2026-01	PaddleOCR-VL-1.5	0.9B
2026-01	LightOnOCR-2-1B	1B
2025-10	olmOCR	7B
2025-07	dots.ocr	1.7B
2024-09	GOT-OCR2.0	580M

Document Understanding

• PaddlePaddle/PaddleOCR
• RapidOCR
• Tesseract
• Surya
• breezedeus/Pix2Text
• mindee/doctr
  • Document Text Recognition；中文支持需要单独验证。
• docling-project/docling
  • PDF、文档结构和 Markdown/JSON 输出。
  • ds4sd/docling-models
  • SmolDocling-256M-preview 基于 SmolVLM-256M-Instruct。
• Yuliang-Liu/MonkeyOCR
  • 基于 Qwen2.5-VL-3B，支持中英文、公式和表格识别。
  • SRR：Structure Detection、Content Recognition、Relationship Prediction。
• nanonets/Nanonets-OCR-s
  • Image → Structure Markdown。
• ByteDance/Dolphin
  • Document Image Parsing via Heterogeneous Anchor Prompting。
• ChatDOC/OCRFlux-3B
• ocrmypdf/OCRmyPDF
  • 为扫描 PDF 添加 OCR text layer。
• Topdu/OpenOCR

Layout Analysis 与 PDF Toolkit

• opendatalab/OmniDocBench
• Marker
• rednote-hilab/dots.ocr
  • 多语言文档版面解析，1.7B，MIT。
• allenai/olmocr
  • 将 PDF 线性化为适用于 LLM 数据集和训练的文本。
• opendatalab/MinerU
  • PDF → JSON / Markdown；AGPLv3。
• opendatalab/PDF-Extract-Kit
• DocLayout-YOLO

评估关注点

• 文本识别：字符准确率、CER、语言和字体覆盖。
• 版面：标题、段落、表格、公式、图片和阅读顺序。
• 结构化输出：Markdown、JSON、HTML、坐标和 schema 稳定性。
• 复杂文档：扫描件、手写、低清晰度、多栏、旋转、印章和中英文混排。