- 1 、百度 ppocr
- 2 、阿里读光 ocr
- 3 、。。。
第 1 条附言 · 7 天前
多模态大模型有考虑过，但是成本太高了，而且速度慢
成本上单卡t4(16g) ，ocr小模型可以支持8个并发
大模型可能智能部署小参数量化版本，效果还不行，换大参数成本更高
 |
1
daodao 7 天前
PaddleOCR
|
 |
2
Suonna 7 天前
汉王可以了解一下，目前遇到过最强的手写 OCR ，软件还良心
其次就是直接用 gemini 做 ocr |
 |
3
zzfer 7 天前
对过几家 SDK ，百度和微软的表现还不错
|
 |
4
realJamespond 7 天前
最新的 gemeni2.5 pro 变态强, 国内就是 internvl3 14b 非常强
|
 |
8
luchenwei9266 7 天前
之前简单对比过：百度、腾讯、讯飞、阿里、有道。百度的效果会稍微好一点。
|
 |
9
lee88688 7 天前
#4 说的 internvl3 14b 我也看过一些测评确实可以，但不知道具体场景情况，op 可以去试试。
|
 |
10
kuonkuon 7 天前
做过测试，手写这东西，只有大模型识别率最高，但是也只有 70 几。测试数据是初中生的数学考试手写笔记
|
 |
11
hmxxmh OP @Suonna 大模型太慢了，我们的业务场景要求响应速度，而且大模型成本高，1 张 t4 卡，小模型可支持 8 并发差不多，换大模型只能部署小参数的，大参数的至少 4 张卡，并发数还少
|
 |
13
yoghurtguy 7 天前
@kuonkuon 请问"初中生的数学考试手写笔记"是随便找了一张图片还是有相关的数据集吗? 我现在刚好希望使用开源大模型识别手写数学公式
|
 |
14
xiaomushen 7 天前
PaddleOCR 或 RapidOCR
其实是一个东东 |
|
16
hmxxmh OP @xiaomushen 这个我用来表格识别了，属于是开源最好的表格识别
|
 |
18
owen800q 6 天前 via iPhone
微信
|
 |
19
Yux0 6 天前
@yoghurtguy HME100k
|
|
20
kuonkuon 6 天前
@hmxxmh #12
@yoghurtguy 那时候用的 gpt4o ，现在 4.1 出来了，最主要是学生不会给你规规矩矩写，大量存在歧义的符号，大模型好处是会联系上下文。 不是开源数据集，是我这儿学校扫描的答题卡，我自己整理的测试图 |
|
21
yoghurtguy 5 天前 via iPhone
|
|
22
Yux0 3 天前
@yoghurtguy #21 可以一起交流，目前我也在弄识别数学公式的项目： https://github.com/yux-lab/TeXnically
|
Select Language