HunyuanOCR
Zerlegt, wie ein OCR-Modell mit einer Milliarde Parametern Erkennung, Layoutanalyse und Feldzugriff in einem Durchlauf schafft, und zeigt den Einsatz für Belege, Untertitel und mehrsprachige Bildübersetzung.
HunyuanOCR ist das offene End-to-End-Texterkennungsmodell von Tencent Hunyuan und erledigt Erkennung, Layoutanalyse, Feldextraktion und Bildübersetzung in einem einzigen Vorwärtsdurchlauf bei rund einer Milliarde Parametern. Es deckt Straßenszenen, Handschrift sowie dichte Belege und Tabellen ab und übersetzt Bilder in etwa vierzehn Sprachen. Gewichte, technischer Bericht und Inferenzbeispiele sind öffentlich, was den Einsatz in Cloud oder Edge günstig hält.
