视频字幕抽取与多语言翻译能力

HunyuanOCR 开源：1B 参数的端到端多场景 OCR 专家模型

一、摘要 HunyuanOCR 是腾讯混元团队开源的端到端 OCR 专家模型，基于混元原生多模态架构与训练策略，仅用约 10 亿参数在 OCRBench（<3B 规模）与 OmniDocBench 上取得领先表现。模型覆盖文字检测、识别、版面理解与翻译等完整链路，兼顾精度与推理成本，适合在实际业务中...