认识TeleOCR：1.2B轻量级文档解析模型完全指南——一个模型搞定OCR、表格与公式

认识TeleOCR：1.2B轻量级文档解析模型完全指南——一个模型搞定OCR、表格与公式

【免费下载链接】TeleOCR项目地址: https://ai.gitcode.com/hf_mirrors/StarDoc-AI/TeleOCR

TeleOCR 是一个仅约1.2B 参数的开源轻量级文档解析模型，把 OCR 文本识别、表格还原、公式转 LaTeX 全部装进一个模型里。它基于 Qwen2.5-VL 架构，中英双语支持，Apache-2.0 协议完全开源，普通消费级显卡即可本地部署，是 2026 年文档智能领域公认的"小钢炮"。

🎯 为什么你需要一个"轻量"的文档解析模型

传统文档解析方案要么拼凑多个工具（OCR 一个、表格检测一个、公式识别又一个），要么依赖动辄几十 B 参数的大模型，部署成本高、链路复杂。

TeleOCR 的解法很直接：一个模型，统一框架，同时处理数字文档（PDF、扫描件）和相机拍摄的扭曲文档。你拍一张歪斜的纸质合同照片，它也能直接输出结构化结果，无需额外的透视矫正模型。

⚡ 60 秒认识 TeleOCR 的六大核心能力

能力	说明	输出形式
📝 文本 OCR	中英文混排文本识别	纯文本
📊 表格还原	支持合并单元格	OTSL 标记 → HTML 表格
🧮 公式识别	手写/印刷公式转 LaTeX	$...$LaTeX 代码
💻 代码解析	识别截图中的代码片段	代码文本
🗂️ 版面分析	标题、段落、图表区域定位	结构块 + 坐标
🔬 科学图表解析	从科研图/表中抽取隐含数据表格	HTML 表格

值得一提的是，模型对扭曲文档做了专门的几何感知建模——拍摄照片常见的弯曲、倾斜、透视变形都不再是问题，这在同类轻量模型中并不多见。

📈 成绩到底有多强？

在权威基准OmniDocBench v1.6上，TeleOCR 以 96.87 的综合分拿下 SOTA，超过 30B 级别的通用大模型：

模型	参数量	综合分 ↑	表格 TEDS ↑
TeleOCR	1.2B	96.87	97.05
MinerU 2.5 Pro	1.2B	95.75	93.42
Gemini 3 Pro	未公开	92.85	89.15
Qwen3-VL-235B	235B	89.78	83.07

在 EMNLP 2026 举办的Dr.DocBench Challenge文档解析竞赛中，TeleOCR 以 67.96 的综合分排名第一，领先 MinerU 2.5 Pro 约 5.7 分。

💡 关键结论：1.2B 参数 ≈ 235B 通用大模型的文档解析表现，而推理成本只有它的零头。

📦 模型文件里都有什么

整个仓库就是一套即用的推理模型，核心文件如下：

• model.safetensors —— 模型权重本体（bfloat16 精度）
• config.json —— 架构配置：28 层 Transformer、128K 上下文长度、基于qwen2_5_vl
• modeling_naviocr.py —— 自定义模型加载代码，trust_remote_code=True时自动启用
• tokenizer.json 与 vocab.json —— 分词器，包含 OTSL 表格专用标记
• preprocessor_config.json —— 图像处理参数（动态分辨率，最高约 12.8M 像素）
• generation_config.json —— 推理参数（temperature 0.1，适合确定性输出）
• chat_template.jinja —— 对话模板

想深入了解模型细节和完整评测，可阅读项目说明文档 README.md。

🚀 三步跑通本地文档解析

第一步：安装依赖

仅需 HuggingFace 生态三大件：

pip install transformers torch pillow

第二步：加载模型

import torch from PIL import Image from transformers import AutoProcessor, AutoModel processor = AutoProcessor.from_pretrained("StarDoc-AI/TeleOCR", trust_remote_code=True, use_fast=True) model = AutoModel.from_pretrained("StarDoc-AI/TeleOCR", trust_remote_code=True, torch_dtype=torch.bfloat16).cuda().eval()

第三步：发一句话，拿一个结果

TeleOCR 采用自然语言指令驱动，想解析什么就说什么：

# 表格识别：输出 OTSL 格式，可自动转成 HTML raw = infer(Image.open("./assets/table.png"), "This is the image of a table. Please output the table in OTSL format.")

官方示例覆盖文本、表格、公式、代码、版面分析共 6 类场景，完整用法见 README.md 的 Quick Start 部分。

🧠 1.2B 参数凭什么做到 SOTA？

TeleOCR 论文（技术报告 arXiv:2608.12898）提出的几个关键创新，值得了解：

1. 多节点共识投票（MCV）——自动合成高质量伪标签，数据质量拉满
2. 几何感知文档建模——专门针对相机拍摄文档的形变问题
3. 曲率引导的 Douglas-Peucker 采样（CGDP）——更精细地捕捉弯曲文字区域
4. 内容-结构解耦学习——表格与公式"内容"和"结构"分开训练，两者同时高分
5. 四阶段渐进训练——从易到难，逐步逼近极限

这些技术让它在保持轻量部署的前提下，性能反而超过更大的模型。

🛠️ 适合哪些场景？

• ✅ 本地化文档数字化（发票、合同、试卷批量解析）
• ✅ 论文/书籍电子化：公式转 LaTeX 特别出色（见上方示例图）
• ✅ 手机拍摄文档的实时解析（歪斜、反光场景）
• ✅ 科研图表数据抽取
• ⚠️ 提示：完整的生产级文档解析管线（含版面切分、阅读顺序）建议配合官方推理框架使用，可参考 README.md 中的说明

💬 写在最后

TeleOCR 证明了文档解析这件事不需要大参数也能做好：1.2B 的体量、Apache-2.0 的开源协议、中英双语支持、拍照文档也能扛——对于想把文档智能装进自己产品里的团队和个人开发者，它目前几乎是"开箱即用"的最优选择之一。

建议先从文本 OCR 和公式识别玩起，这两个任务几行代码即可体验完整效果。动手试试吧！🚀

【免费下载链接】TeleOCR项目地址: https://ai.gitcode.com/hf_mirrors/StarDoc-AI/TeleOCR