博客 & 资源

📄

开源OCR

从开源到商用：企业基于开源大模型微调私有化 OCR 引擎的避坑与成本核算

聊个最近很多企业 CIO 和研发总监都在踩的“大坑”——用开…

📅 3 月 06, 2026 ✍️ zhangmu

阅读更多 →

📄

开源OCR

打破传统切分范式：DeepSeek-OCR 与 MiniCPM-V 如何实现复杂图文的极速理解？

聊个最近在 ToB 文档解析和 RPA（机器人流程自动化）圈…

📅 3 月 06, 2026 ✍️ zhangmu

阅读更多 →

📄

开源OCR

端到端视觉语言大模型 (VLM) OCR 战力榜：GOT-OCR 2.0 与 Qwen2-VL 的巅峰对决

在过去的几年里，但凡做过文档结构化提取的研发团队，大概率都曾…

📅 2 月 26, 2026 ✍️ zhangmu

阅读更多 →

📄

开源OCR

榨干 GPU 性能：使用 NVIDIA Triton 部署 PaddleOCR 高并发服务

为什么你的 Flask 服务慢？ 因为它是 串行 的。 请求…

📅 2 月 08, 2026 ✍️ zhangmu

阅读更多 →

📄

开源OCR

拒绝 OCR：为何 PyMuPDF (Fitz) 才是 PDF 解析的“屠龙刀”？

OCR 是最后的手段，而不是第一选择。 速度对比： 1. 为…

📅 2 月 08, 2026 ✍️ zhangmu

阅读更多 →

📄

开源OCR

Doctr：集成 TensorFlow 与 PyTorch 的无缝 OCR 框架

在 OCR 领域，很多工具要么太重（比如 Tesseract…

📅 2 月 08, 2026 ✍️ zhangmu

阅读更多 →

📄

开源OCR

适配各种规模：从 1B 到 78B 的 InternVL 选型

做技术选型，最忌讳的是“只看参数量，不看架构”。 对于多模态…

📅 2 月 07, 2026 ✍️ zhangmu

阅读更多 →

📄

开源OCR

多页文档处理：InternVL 如何应对超长上下文

处理单页 PDF，OCR 就够了。但处理多页 PDF（比如跨…

📅 2 月 07, 2026 ✍️ zhangmu

阅读更多 →

📄

开源OCR

InternVL 2.5：大规模视觉语言模型的工业级落地

做过视觉模型落地的人都知道，传统的 LLaVA 架构有一个致…

📅 2 月 07, 2026 ✍️ zhangmu

阅读更多 →

📄

开源OCR

TrOCR 实战：解决历史文献中难以辨认的古体字识别

在古籍识别领域，我们面临的不是“识别”问题，而是“破译”问题…

📅 2 月 07, 2026 ✍️ zhangmu

阅读更多 →