Elastic推出jina-ocr-v1：一个用于复杂文档处理的紧凑、高准确度OCR模型

新的OCR模型处理100多种语言的复杂布局、表格、手写和数学，具有前沿级准确性，且尺寸和成本仅为一小部分

Elastic（纽约证券交易所代码：ESTP）今天宣布推出jina-ocr-v1，这是一种用于端到端文档处理的新型光学字符识别（OCR）模型。它的活动参数为574 M，在尺寸大约为基准领导者的十分之一的模型中提供前沿级准确性。Jina-ocr-v1只需一次即可将复杂的视觉文档准确地转换为结构化的机器可读文本（例如Markdown），从而轻松使用扫描文档中的数据进行搜索、训练模型和构建代理应用程序。

虽然传统的OCR在干净的文本和简单的布局上效果良好，但具有高度视觉化内容的复杂文档通常需要单独的处理步骤，例如页面分割、元素分类、文本识别和重新组装。每个步骤都会带来可能通过脆弱的处理管道积累的错误。当向下游传递不准确或不完整的数据时，代理可以返回不完整的事实，而RAG管道可以返回不准确反映源文档的答案。

jina-ocr-v1在单个模型中端到端处理整个流程。它使用混合专家架构，总参数为3.4B，推理时活动时间为574 M，运行速度和成本相当于600 M以下模型。jina-ocr-v1还添加了FastRTP技术，该技术改进了多令牌预测以加速推理。