tag: OCR

Baidu เปิดตัว Unlimited OCR 2 โมเดลขนาด 3B ประสิทธิภาพสูง รองรับการประมวลผลเอกสารหลายร้อยหน้าในการส่งคำขอครั้งเดียว พร้อมใช้กลไก SR-SWA ช่วยลดภาระการถอดรหัส

Datalab เปิดตัว OmniParseBench มาตรฐานทดสอบ OCR แบบ Open Source ที่ใช้ระบบ Pass/Fail กว่า 16,000 รายการ ครอบคลุม 92 ภาษา เพื่อการวัดผลเอกสารที่แม่นยำและตรวจสอบได้จริง

BentoPDF ชุดเครื่องมือ PDF แบบโอเพนซอร์สที่ทำงานบนเบราว์เซอร์โดยตรงโดยไม่ต้องอัปโหลดไฟล์ขึ้นเซิร์ฟเวอร์ มาพร้อมเครื่องมือกว่า 100 รายการให้ใช้งานได้ฟรี

Jina AI เปิดตัว jina-ocr-v1 โมเดลประมวลผลเอกสารแบบ MoE ขนาด 3.4B ที่เปลี่ยนภาพและ PDF เป็น Markdown ได้อย่างรวดเร็ว พร้อมเทคโนโลยี FastMTP ช่วยเร่งความเร็วบน GPU ราคาประหยัด

Reducto เปิดตัว r-1 โมเดลวิเคราะห์เอกสารรุ่นใหม่ที่รวม OCR และการตรวจจับเลย์เอาต์ไว้ในการประมวลผลขั้นตอนเดียว ช่วยลดข้อผิดพลาดลง 20% และลดต้นทุนเหลือเพียง 1 เซนต์ต่อหน้า

UPDF เปิดตัวเวอร์ชัน 2.5 ชูจุดเด่น PDF Editor แบบ All-in-one ที่รวมพลัง AI Agent 10 ตัวเข้ากับระบบแก้ไขเอกสารระดับมืออาชีพ รองรับการแปลงไฟล์ 14 รูปแบบและ OCR แม่นยำสูงถึง 38 ภาษา

Datalab ประกาศยกเครื่อง Marker ใหม่เป็นเวอร์ชัน 2 โดยทำคะแนนบน olmOCR-bench ได้สูงสุดถึง 76.0 พร้อมความเร็วเหนือกว่า MinerU ถึง 5 เท่า และเอาชนะ Docling ได้ทั้งในด้านประสิทธิภาพและคุณภาพการแปลงเอกสาร

คู่มือการสร้างระบบ OCR ครบวงจรด้วยโมเดล Unlimited-OCR ของ Baidu ที่รองรับทั้งการประมวลผลรูปภาพความละเอียดสูงผ่านโหมด Gundam และการทำงานกับ PDF หลายหน้าที่ซับซ้อนอย่างมีประสิทธิภาพ

DharmaOCR พิสูจน์ให้เห็นว่าความเชี่ยวชาญเฉพาะด้านและการฝึกฝนแบบ DPO ช่วยให้มีประสิทธิภาพเหนือกว่าโมเดลภาษาขนาดใหญ่รุ่นใหม่อย่าง Mistral OCR4 และ Unlimited-OCR ในการประมวลผลเอกสารภาษาโปรตุเกสแบบบราซิล

Google ปล่อยอัปเดตโมเดล Gemma 4 เพื่อแก้ปัญหาการตอบกลับขาดตอนและบั๊กการเรียกใช้เครื่องมือภายนอก พร้อมเพิ่มประสิทธิภาพความเร็วบน GPU NVIDIA สูงสุดถึง 70%