百度正式发布并开源新一代文档解析模型 PaddleOCR-VL-1.5

PaddleOCR-VL-1.5：面向鲁棒自然场景文档解析的多任务 0.9B 视觉语言模型

● PaddleOCR-VL-1.5 - 面向真实场景文档解析的多任务 0.9B 视觉语言模型
面向真实场景文档解析和文本定位识别任务的 SOTA 且资源高效的模型，在正常、扫描、倾斜、弯曲、屏摄与复杂光照六类场景文档解析任务上均取得全面的领先，新增支持文本检测识别任务能力，新增印章识别能力，强化复杂元素（如文本、表格、公式和图表）的识别能力，扩展支持至 111 种语言，同时资源消耗极低。
● PaddleOCR-VL-1.5 是 PaddleOCR-VL 的全新迭代版本，更加注重真实场景上的文档解析能力和新能力的扩展。基于创新的不规则形状定位的PP-DocLayoutV3算法，能够在扭曲、倾斜、扫描、光照和屏幕拍照的自然文档场景实现精确的版面解析。其紧凑多模态模型PaddleOCR-VL-1.5-0.9B 在保持原有模型参数量的情况下，扩展了领先的文本定位识别和印章识别能力，同时支持识别的语言扩充至111种，且复杂场景的元素识别能力也得到显著的强化和提升。模型已发布至HuggingFace。您可以在 PaddleOCR官网 在线使用或者调用该模型的API。
● 核心特性： ● 文档解析任务的SOTA性能： PaddleOCR-VL-1.5 在 OmniDocBench v1.5 基准上实现了 94.5% 的高精度，超越了全球顶尖的通用大模型和文档解析专用模型。 ● 现实5大场景文档解析的SOTA性能： 引入了一种创新的文档解析方法，业界首个支持不规则文档版面定位。在扫描、弯曲、倾斜、屏摄和光照变化这五个现实场景的文档解析任务评估集上，表现全面优于主流的开源和闭源模型。 ● 基于0.9B紧凑模型的能力扩展： 基于 0.9B 的参数量，PaddleOCR-VL-1.5 扩展了文本检测识别和印章识别任务，进一步提升了其能力范围，各任务相关指标均创下了 SOTA 结果。 ● 强化多元素识别能力： 增强了特定场景和多语言识别方面的能力。针对特殊符号、古籍、多语言表格、下划线和复选框的识别性能得到提升。语言覆盖范围扩展，新增支持中国藏文和孟加拉语识别。 ● 长文档跨页解析： 模型支持跨页表格自动合并和跨页段落标题识别，有效缓解了长文档解析中的内容碎片化问题。

huggingface.co

PaddlePaddle/PaddleOCR-VL-1.5 · Hugging Face

We’re on a journey to advance and democratize artificial intelligence through open source and open science.
github.com

GitHub - PaddlePaddle/PaddleOCR: Turn any PDF or image document into structured...

Turn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 100+ languages.

2 posts - 2 participants

Read full topic

via LINUX DO - 最新话题 (author: lming)

Invalid media:
image
image
image
image

接入Cps到底是怎么赚钱的啊？有没有大佬分享下项目经验

想了解下cps平台对接过程到开发落地？有大佬愿意分享下吗？

2 posts - 2 participants

Read full topic

via LINUX DO - 最新话题 (author: Li098)

佬友们遇到这种情况，会怎么选择

17 posts - 17 participants

Read full topic

via LINUX DO - 最新话题 (author: 王麻子)

Invalid media: image

关于yolo的模型训练，我要基于特定场景检测

我要基于特定场景检测，有大佬有相关的数据吗，我想交流讨论下具体的实现方法

1 post - 1 participant

Read full topic

via LINUX DO - 最新话题 (author: cc)

billionmail怎么大一个项目居然没有便捷的解析功能于是写了个

手上几十个域名差点累死搞了一半才想到写个一键解析功能
github.com

GitHub - xkatld/BillionMail: BillionMail+cloudflare一键解析功能

BillionMail+cloudflare一键解析功能

1 post - 1 participant

Read full topic

via LINUX DO - 最新话题 (author: 洗头佬)

Invalid media:
image
image

我想收集一下支撑各位佬很久的一句话

我先来：在你最虚弱的时候，最强版本的你即将登场 🤛

26 posts - 23 participants

Read full topic

via LINUX DO - 最新话题 (author: 加麻加辣)

支付宝，搜支付宝立减金，邮储6元

1 post - 1 participant

Read full topic

via LINUX DO - 最新话题 (author: yongqiang jack)

Invalid media: image

微软copilot的学生认证是收紧了么，试了2个edu都不行

3 posts - 2 participants

Read full topic

via LINUX DO - 最新话题 (author: freenewma)

Invalid media: image

[Bad News] 二开 OpenWebUI 将终止维护

[!warning]
该仓库已转为 Archive 状态，不再接受新的 issue / pr，也不会有进一步的更新

github.com

GitHub - OVINC-CN/OpenWebUI: 基于 Open WebUI 的增强版：集成计费、支付与企业级用户管理

基于 Open WebUI 的增强版：集成计费、支付与企业级用户管理

----------------------

至于为什么，因为我转投 LobeHub 了 :distorted_face:

9 posts - 9 participants

Read full topic

via LINUX DO - 最新话题 (author: 方块)

Invalid media: image

🦞Bot（原Clawdbot现Moltbot）部署教程(零成本)

由于全贴触发关键字

腾讯云+百炼模型（或者自己切老黄的俩模型）
教程链接：https://larkcommunity.feishu.cn/wiki/AALuw4b0QiivpjkUZ6OcM76VnRd

2 posts - 2 participants

Read full topic

via LINUX DO - 最新话题 (author: CxMYu)

谷歌账号没有10分钟就被踢下线

我不是买了个Gemini账号吗、已经买了3-4天，最近不知道咋回事，光说中午，账号就被踢下线3次，连续3次让我接收短信验证码验证账号，说我账号异常，我真的是服了，不知道各位佬友有没有跟我出现一样的情况呢

4 posts - 3 participants

Read full topic

via LINUX DO - 最新话题 (author: Ke Ji)

MacOS Gemini in Chrome注意⚠️仅3步！

本教程只针对MacOS,还有不想安装Python脚本的佬们。

相信大家有的人已经看到很多人发教程，但是自己跟着试还是不行，对，我就是各种办法都试了不行，最后才发现是一个细小的细节导致的。

首先，这一步必须做，当然也有脚本，但是我嫌麻烦，没有这样快，记住先关浏览器再执行！

cp ~/Library/Application\ Support/Google/Chrome/Local\ State \
~/Library/Application\ Support/Google/Chrome/Local\ State.bak

sed -i '' 's/"is_glic_eligible":[[:space:]]*false/"is_glic_eligible":true/g' \
~/Library/Application\ Support/Google/Chrome/Local\ State

sed -i '' 's/"variations_country":"cn"/"variations_country":"us"/g' \
~/Library/Application\ Support/Google/Chrome/Local\ State

sed -i '' 's/"variations_permanent_consistency_country":[[:space:]]*\[\([^]]*\),[[:space:]]*"[^"]*"\]/"variations_permanent_consistency_country":[\1,"us"]/g' \
~/Library/Application\ Support/Google/Chrome/Local\ State

然后第二步，很重要
把美国英语排在首位，一定记住，是美国英语，不是英国英语！！

最后一步极其重要
打开系统设置-语言与地区，给Chrome单独设置语言吗，切记，一定要美国英语，我就是栽在这里了，我一开始一直设置的是英国英语…坑死了

然后大功告成，什么chrome://settings、chrome://flags/都不需要设置，完美

再不行，你们打我，亲测

1 post - 1 participant

Read full topic

via LINUX DO - 最新话题 (author: MacDo)

Invalid media:
image
image
image
image
image

佬们能不能分享一下使用的ai工具和开发流程

自己就是直接问答，经常就乱套了，求教各位佬成熟的工具搭配和流程

1 post - 1 participant

Read full topic

via LINUX DO - 最新话题 (author: Jason)

iphone air 官网折抵怎么算呢

就是不是年年焕新 是如果出了 18 用旧的折抵 那今年降价的 iphone air 是按照-2000的价格算 还是按照官方指导价算呢~我觉得应该是按照官方指导价格算吧~

1 post - 1 participant

Read full topic

via LINUX DO - 最新话题 (author: EthanXing)

各位佬们，有人做过mes系统吗

领导叫我写一个mes系统写的我头疼，全部盲写，一点需求都没，写了五年代码第一次接触制造系统，啥都不懂

2 posts - 2 participants

Read full topic

via LINUX DO - 最新话题 (author: MYuan6)

Invalid media: image

野卡 wildcard 余额兑换，为了4块钱，还要再给16块
2 posts - 2 participants

Read full topic

via LINUX DO - 最新话题 (author: Clbi88)

Invalid media: image

双卡加esim的iPhone17pm真的存在吗

最近外版iphone 17promax在华强北有大神搞了个改卡方案，说是最终方案了，看小红书上的大哥都说可以支持双实体卡加esim，

如图，对于我来说非常的想要有这个功能，有几个esim的卡接码用，需要的时候把他调出来开启接码后就关掉，但是问了几个卖iphone的老板，都说没有这种改卡方案，说只有双实体卡无esim或者单实体卡加esim的方案，想问问佬友有了解的吗？现在没有流量卡自己的主要的实体卡月租真的好贵。。。绑的东西太多也不想去换手机号
1 post - 1 participant

Read full topic

via LINUX DO - 最新话题 (author: tiga)

Invalid media: image

ClaudeCode 不同目录之间的会话可以迁移么?

不同目录下的ClaudeCode会话怎么迁移? 比如 我再A目录下有一个会话记录, 然后想在B目录下resume 这个会话 怎么办呢?

1 post - 1 participant

Read full topic

via LINUX DO - 最新话题 (author: sddxsm)

有无那种两张照片实现渐变效果ai

要剪辑视频，给些照片希望能做成照片从中年渐变到少年过渡的那种视频效果，这种有啥ai推荐吗

2 posts - 2 participants

Read full topic

via LINUX DO - 最新话题 (author: zspor)

Idea好用的代码补全工具求推荐

现在用的智谱的codegeex，代码补全实在是太弱智太难受了，求求好用的代码补全工具

4 posts - 2 participants

Read full topic

via LINUX DO - 最新话题 (author: 大星.派)

甲骨文注册成功了！1-30

用的国外的虚拟卡，没想到试了一下居然过啦

注册的美国san jose
12 posts - 12 participants

Read full topic

via LINUX DO - 最新话题 (author: NiceOneHua)

Invalid media:
image
image