- 博客(33)
- 收藏
- 关注
RSS订阅原创 真实场景VS实验室环境，字节发布的WildDoc基准数据集向OCR提出了什么挑战？
字节跳动与华中科大联合发布首个自然环境中文档理解基准数据集WildDoc，包含12,000+真实场景文档图像，覆盖光照、扭曲等多重干扰因素。研究发现主流AI模型在真实场景下识别准确率平均下降35.3%，其中物理扭曲影响最大。该数据集提出ConsistencyScore新指标评估模型鲁棒性，揭示当前文档解析技术在移动拍摄等现实应用中的性能瓶颈。测试显示现有工具通过图像预处理技术可有效矫正弯曲、阴影等问题，但整体仍需针对性优化。该研究推动文档解析技术向实用化发展，对教育、办公等高频使用场景具有重要价值。
2025-06-11 14:25:57
630
原创 大模型再聪明也怕“脏文档”！企业知识库高准确率的隐藏前提
企业知识库建设成为AI转型热点，但80%企业因非结构化文档格式复杂导致知识库难以有效使用。理想的文档解析工具需具备多模态处理、复杂元素提取、可溯源、高性能和安全性等能力。合合信息旗下TextIn文档解析工具专为LLM设计，支持PDF/Office/HTML等格式解析，保留原始结构，可提升AI对文档的理解能力，赋能企业知识库和RAG系统建设。其母公司18年OCR技术积累为产品提供支撑，助力企业解决文档预处理难题。
2025-06-04 15:58:55
761
原创 从OCR到Document Parsing，AI时代的非结构化数据处理发生了什么改变？
智能文档处理技术正成为企业数字化转型的关键引擎。面对占比高达80%的非结构化数据挑战，传统的OCR技术已无法满足需求。文档解析技术融合OCR、NLP和深度学习，不仅能识别文字，更能理解文档结构和语义关系，将发票、合同等非结构化数据转化为可直接分析的标准化格式。该技术大幅提升了数据处理效率，降低了人工成本和错误率，在金融、保险、零售等行业展现出广泛应用前景，包括证件识别、合同审查、财务对账等场景，有效解决了信息孤岛问题，为智能决策提供了数据基础。
2025-06-04 14:08:51
1059
原创 TextIn OCR Frontend前端开源组件库发布！
TextIn开源OCRFrontend前端组件库，帮助开发者快速搭建票据识别结果审核界面。该React组件库支持图片/PDF预览、文本坐标高亮、双向联动查看等功能，特别适配票据类key-value解析结果的展示。提供FilePreview、ResultView等核心组件，支持二次开发。特性包括文件预览、坐标回显、JSON展示等，未来将支持更多自定义配置和编辑功能。开发者可通过npm安装使用，项目基于vite+react构建，支持自主扩展。
2025-05-28 11:17:07
896
原创 TextIn通用篡改检测重磅升级！
TextIn通用篡改检测在升级！商超小票篡改痕迹一扫便知，积分p图兑福利不再存在在。报销材料篡改痕迹高亮提醒，赋能企业财务报销场景双保险。
2025-05-23 10:11:40
129
原创 0代码，5分钟，搭建出企业级文档处理MCP Agent
MCP（模块化计算平台）凭借其“万物互联”的设计理念，迅速吸引了广泛关注。其核心优势在于能够像积木一样灵活拼装各类AI能力，形成更强大的智能体（Agent），有效解决了大模型应用开发中的碎片化、工具调用链固化及安全与性能问题。以TextInMCPServer为例，它集成了文字识别、文档解析和信息抽取等功能，显著提升了文档处理的准确性和效率。通过嵌入MCP协议，用户可以在多种平台上快速接入TextInMCPServer，实现无代码批量解析文件、合同比对等复杂任务。
2025-05-21 16:13:25
605
原创 Coze扣子文档解析 VS. 专业OCR工具，RAG知识库搭建性能真实测评！
本文通过评测Coze解析和专业解析工具TextIn的性能，发现TextIn按层级分段策略效果最佳，目录识别准确性和段落表格完整性对RAG系统性能有重要影响。评测结果表明，专业解析工具在跨页表格和有线表格的解析上表现更优，能有效避免信息损失。本文为RAG知识库的搭建和选品提供了参考，强调了文档解析在预处理环节的重要性。
2025-05-21 15:51:32
1191
原创 TextIn MCP Server使用教程，教你无代码搭建Agent
想象一下，你有很多不同的工具，比如一个锤子、一个螺丝刀和一个扳手，每个工具都有自己的使用方法和规则。如果没有一个统一的协调方式，你可能需要分别学习每个工具的用法，而且每次使用的时候都要费劲地去调整和适配，这非常麻烦。这样，开发者只需要通过MCP协议，就可以轻松地让不同的大模型和外部工具协同工作，大大提高了开发效率，也降低了开发难度。为实现智能文档处理任务与LLM更好的交互，进一步提高开发者接入效率与体验，方便用户无代码搭建Agent，TextIn MCP Server近日正式上线。
2025-05-15 18:19:53
277
原创 LLM“力大砖飞”的时代，OCR专有模型还有意义吗？
随着大模型（LLM）如DeepSeekR1的发布和Agent开发的扩展，AI应用正深入改变各行各业。尽管大模型在解决多种任务上表现出色，但专有小模型如OCR仍然具有不可替代的重要性。OCR作为信息处理的关键步骤，将物理文档转化为电子数据，是AI处理信息的基础。大模型虽然在泛化任务上表现优异，但在专业领域和精确度要求高的任务上，小模型如OCR仍显示出其独特优势。大模型和小模型将长期共存，各自发挥其优势，通过协同工作实现更高效和精准的AI应用。例如，RAG技术通过结合大模型的知识和小模型的文档解析能力
2025-05-14 18:00:58
1021
原创 AI帮大忙！这个判卷/去印/建题库/的减负神器，老师一定要知道
AI技术在教育领域的应用正迅速扩展，从简单的聊天对话到复杂的多模态大模型，AI正在改变教育的各个方面。TextIn作为一款AI教育工具，通过算法、计算机视觉和自然语言处理技术，解决了手写擦除、自动判题、错题整理和表格解析等教学难点，提升了教学效率。它支持手写文字的快速识别和自动擦除，智能处理复杂场景，恢复文档至手写前状态，节约成本并鼓励试卷循环利用。此外，TextIn还能智能解析题目，快速构建错题库，处理图像质量问题，并自动判题，包括复杂的作文批改。AI技术的应用为教育行业带来了新的曙光，TextIn等工具
2025-05-14 10:56:15
927
原创 PDF文档解析新突破：图表识别、公式还原、手写字体处理，让AI真正读懂复杂文档！
输入：在线可用、API调用实时响应、本地部署也支持，一次性可处理万页以上的数据；：具有各类常见文档的识别解析能力，对有线无线表格、章节、标题、列表、公式、手写体、扫描件全部精准识别并结构化输出；测评指标中分了6个维度，针对标题、段落、文本、阅读顺序、公式、表格进行定量测评。因为实际文档中常包含公式、表格、手写批注、文字段落等各种难以提取的元素。等，尤其涉及到文档中的复杂表格内容，模型往往就错误百出了。：学术论文、商业报告、教育试卷、政府公文、工程图纸等。：支持跨行合并、嵌套表格、带注释的复杂表格，
2025-05-09 10:30:17
1087
原创 TextIn ParseX重磅功能更新：支持切换公式输出形式、表格解析优化、新增电子档PDF去印章
国际物流运输中，运单信息包含发货人和收货人的详细地址，这些地址往往包含多行信息，如门牌号、街道、城市、国家等。在解析学术论文、国标文件、试卷等文档时，精确识别并保留公式的完整结构（如上下标、积分符号、矩阵等），以便用于学术引用、智能判题使用。电子档的银行流水、银行对账单、银行回单等材料，通常都有印章，如果不去除，会影响识别结果中的数字准确率，导致下游数据处理出错。，用户可以通过参数控制不同层级的输出，支持自由切换公式输出形式，实现对公式解析的差异化需求。表格解析支持单元格内换行的处理。
2025-05-07 14:31:41
948
原创 一键擦除手写笔迹，这款学习利器省时省力
凡是给小朋友辅导过功课，或是自己有过考证经验的朋友，想必都对成沓成堆的书本、习题册、试卷、资料不太陌生。尽管电子化办公已逐渐走向成熟，“笔头”和“案卷”仍然是大家成长过程中必经的一环。与之相伴的，是涂改得花花绿绿、覆满字迹的纸页。2当作业和试卷批改完，需要整理错题、二次利用试卷的时候，问题来了：充满涂改痕迹的纸张应如何处理？手抄或手打错题？那未免太过“费人”。如今，科技相关的从业者普遍认为，AI技术的发展能给我们的日常生活带来变革和便利。
2025-04-30 11:17:51
447
原创 TextIn MCP Server正式发布，无代码搭建智能文档处理Agent！
TextIn MCP Server 支持的架构图如下，用户可便捷接入所有支持 MCP 协议的大模型，节省工程成本。
2025-04-30 11:09:46
419
原创 信息快速录入，用这个OCR工具是真能提升效率
有效降低大模型幻觉风险！审核结论、依据和完整思考过程同步展示，审核依据可溯源，依据位置原文高光提示，心里更有谱。而由于多种现实因素的阻碍，这一环节的人工难以被替代，从而拖累企业整体的服务效率。保单、行驶证、事故认定书、维修清单、医疗发票等，一键识别混杂格式（扫描件、拍照、Excel），自动分类归档，客户发来的保单照片，有的是扫描件，有的是手写备注，“车牌号”可能写在“车辆信息”栏，系统无法抓取正确信息。电子保单、纸质回执、微信截图混杂，信息分散在PDF、图片、甚至聊天记录中，人工复核错误率高，对账难同步。
2025-04-25 10:15:34
190
原创 接通API即赠！这个超好用的AI工具平台限时送福利
对于企业和个人开发者来说，文档解析、图像处理、文档抽取、票据识别等等都是非常实用的产品，像是搭建知识库、搭建AI智能体、提取非标准格式数据等场景都能用得上。凡是接通并调用TextIn API（仅限文档解析、文档抽取、图像处理、票据处理产品），调用次数大于等于1次，即可获赠2000次/页免费额度，智能识别各类非标准文档、票据、卡证中的关键信息，依托于垂直领域的语义模型，智能抽取字段信息，助力数据结构化。问：API调用文档解析接口，识别结果清晰度低，怎么处理？答：对照API文档，用对参数，即可解决。
2025-04-24 10:38:05
248
原创 OCR技术难点解读：数学公式检测与识别
此外，还提出了一个查询构造模块来帮助解码器并行解码ME树的分支，从而减少解码时间步骤的数量，并缓解长序列注意解码的问题，从而提高识别性能。：鉴于CNN在处理长距离依赖关系方面的局限性，较新的模型利用基于视觉的Transformer，如Swin Transformer，通过自注意力机制提供了更强大的全局上下文管理能力，特别适用于处理复杂的数学表达式[17]。目前的MEDR利用深度学习模型，通过边界框定位或实例分割技术，精确地识别并分离出文档中的数学表达式区域，强化了对复杂和多样的数学表达式结构的处理能力。
2025-04-23 14:11:26
869
原创 物流行业在用AI抢时效！
当整个行业都在吹捧"次日达""分钟级配送"时，却很少有人注意到幕后的从业者，他们还在用最原始的方式，支撑着这个行业的高速运转。比如，从手写运单到PDF报价单，物流人每天要面对的文档格式超过数十种，文档版式各种各样，要依靠人眼阅读再手动录入。比如，电子表格、手写便签、拍照文档混杂，传统OCR几乎难以满足所有识别要求，最终还是要靠人工识别审核。然而，这些效率低下的工作流程正在消耗员工精力、造成企业资源的浪费，也削弱了企业的核心竞争力。，系统将运用AI大模型进行全文语义理解，智能识别判定，完成归类工作。
2025-04-18 10:51:22
331
原创 TextIn ParseX文档解析参数使用指南（第一期）
启用该参数时，ParseX会提取文档中每个字符的详细信息，包括字符的位置、字体、字号等，适用于需要对文档的排版和格式进行精细分析或处理的场景，例如在处理设计文档、排版校对或需要保留原始格式的文档时。当启用该参数时，文档解析工具会构建一个文档的层级结构树，通常用于表示文档的逻辑结构，例如标题、段落、表格等元素的层级关系，帮助更好地理解文档的逻辑结构，便于后续的文档处理和分析。启用该参数时，ParseX会提取页面中的更多细节，如页面的布局、图像位置、文本的排版等，有助于更完整地还原文档的原始布局和视觉效果。
2025-04-17 11:57:17
557
原创 实测对比｜法国AI独角兽公司发布的“最强OCR”，实测效果如何？
3月上旬，法国一家AI独角兽公司进军OCR（光学字符识别）领域，发布了一个号称“全世界最好的OCR”产品，根据其技术团队的说明，这款OCR产品具备优秀的准确度和认知能力，能够理解文档的每个元素（包括文本、表格、公式等），从图像和PDF中提取内容信息。与当前市场或学术界其他文档解析工具一样，这款产品（下文中简称为“A产品”）旨在对AI难以直接识别的复杂文档进行解析处理，提升类似RAG等文档场景下的AI应用性能。
2025-04-02 11:25:21
804
原创 理解文字识别：一文读懂OCR商业化产品的算法逻辑
文字识别是一项“历久弥新”的技术。早在上世纪初，工程师们就开始尝试使用当时有限的硬件设备扫描并识别微缩胶片、纸张上的字符。随着时代和技术的发展，人们在日常生活中使用的电子设备不断更新换代，文字识别的需求成为一项必备的技术基础：不论是工厂序列号检测，还是手机拍照翻译，都离不开准确高效的识别技术。在文档智能应用领域，文字识别同样是不可或缺的一环，它能够将系统的覆盖范围从纯电子文档扩展到扫描、拍照、甚至手写领域，极大提升实用范围与性能。本文将介绍文字识别技术方案，解析商业化产品的算法逻辑。
2025-03-26 18:17:05
856
原创 DeepSeek办公实战：5分钟搭建【文档识别+审核】AI自动化工作流
根据国际数据公司（IDC）调研显示，到2027年，全球非结构化数据将占到数据总量的86.8%，非结构化数据在“AI时代”的重要性已不言而喻。非结构化数据是指没有固定格式的数据，如文本文档、电子邮件、视频音频、社媒帖子等。这些数据难以用传统的数据库表格进行存储和管理，因为其没有明确的结构和标准化的格式。然而这类数据处理难度较大，当传统“人眼+Excel”模式难以为继，如何将文档分类、审核、分析的效率提升至“秒级响应”，则成为企业降本增效的核心命题。
2025-03-21 11:53:37
1740
原创 GDC大会回顾 | Textin ParseX：重构文档智能边界，赋能下一代LLM生产力引擎
如PDF、扫描件、图像、合同、财报等。这些数据因格式复杂、布局多样（如双栏排版、混合表格、手写批注）难以被传统AI模型有效利用，成为“沉默的财产”。：ParseX将文档拆解为“段落集合”，结合OCR与深度学习，对扫描件、电子档差异化解析，最终合并为结构化数据，直接对接大模型应用。，将文档拆解为“原子化元素”（如表格、图表、公式、印章），并还原逻辑结构，为LLM提供高纯度数据燃料。：基于深度学习与OCR技术，精准提取页眉、表格、公式等元素，支持扫描件与电子档差异化处理；
2025-03-14 17:18:04
768
原创 知识库使用指南：手把手带教DeepSeek /Coze知识库搭建
TextIn具备先进的版面分析技术，能够准确还原复杂扫描文件，无论是多栏文本还是带有图表的内容，TextIn都能实现清晰稳定的输出。但在实际应用中，企业有大量数据在PDF、扫描件、图片、网页等非结构化文档中，这些多来源、多格式、多版式布局的非结构化数据，很难被大模型准确解析，从而引发大模型生成式答案幻觉。TextIn是一款专注于文档解析的工具，它能够快速、准确地解析各种格式的文档，包括 PDF、Word、Excel，甚至是手写的笔记和复杂的表。提取的文档阅读顺序混乱，文档内容的逻辑性和连贯性差。
2025-03-13 12:02:15
905
原创 推理大模型时代，TextIn ParseX助力出版业知识资产重构
强大的版面分析能力版面分析能力决定了机器获得的信息输入，是一份和人类阅读到的一样“图文并茂”的文档，还是一份格式混乱的“乱码”。DLA可以利用视觉特征分析物理布局，让机器能够“看懂”文档的结构，识别文字、表格和图片的位置。TextIn版面分析算法结合物理与语义信息，在物理布局分析的基础上，将不同的文字块根据语义建模，根据语义角色对文档元素进行分类，例如标题、图表或页脚，有能力处理各种复杂的文档类型，比如带有图表、图片和多栏排版的专业期刊或报告，且能够准确解析长文档标题目录结构。稳定的精确结果输出。
2025-03-12 17:48:56
866
原创 图表解析技术：逆向提取图表数据，需要哪几步？
对于我们时代的所有“PPT工作者”来说，图表是一位熟悉的“老朋友”了。通过Office、编程语言库或是更丰富的生成工具，我们能够便捷地将数据绘制成美观、抓眼、适宜展示的图表，在各类汇报、讲演、宣传工作里起到比表格数字更直观的效果。然而，当我们产生了与之相反的需求：将各色报告或论文中的图表逆向转化为原始数据，用于数据处理分析，又应该怎么做呢？与绘制图表相比，解析它们的任务提出了更精密的技术要求。本期内容中，我们将初步探讨图表解析技术的构成与发展历程。
2025-03-06 18:11:45
1178
原创 从视觉到语义逻辑：版面分析技术浅析
如何理解版面分析（DLA）技术在产业或生活产生的作用？想象一下，在一家电商巨头的仓库里，每天都有海量的物流单据需要处理。过去，员工们需要手动录入信息，费时费力，而且很难避免疏漏错误。这背后，是DLA技术从实验室走向现实的典型场景。文档版面分析（DLA）的研究始于20世纪90年代，最初主要关注简单文档结构，主要使用基于规则的方法或统计技术，融入特征提取和模式识别，使得系统能初步理解文字在页面上的相对位置和关系。进入21世纪后，DLA开始引入特征工程和机器学习，将任务视为基于像素的语义分割。
2025-02-27 10:17:11
756
原创 用户的声音 | 文档结构化信息提取方案测评：LLM、开源模型部署与云端API，谁是合适选择？
对于测试结果要求，首先，最重要的标准是结果可用。当前结构化信息提取技术虽呈现多样化发展，但对于开发者而言，结构化信息提取的“落地”与“可用性”才是真正的考验，研究论文中的指标和高精度模型在生产环境中可能面临性能瓶颈、成本过高、部署难度大等现实挑战。从原理上，这种方法可以自如地进行转换，同时可以在转换过程中保留尽可能多的视觉信息，基础的诸如标题层级，进阶的还可以对图片进行一定的语义解释。视觉大模型方案成本高昂且可靠性较差，尽管近来有较多类似功能的开源仓库，但效果较差，价格高，速度慢，因此不建议使用此类方案。
2025-02-19 14:13:38
1072
原创 新功能内测！图表解析上线，一键帮助大模型读懂图表数据
近期，大模型出色的性能和推理能力引起了广泛关注，大量企业或调用API，或在本地部署模型，运用大模型提升业务与办公效率。对于没有明确数值的复杂图表，TextIn接口也会通过精确测量给出预估数值，在仅有扫描件、图片文件的情况下，帮助挖掘更多有效数据信息，完成分析及预测工作。对于有数值标注的图表，TextIn文档解析可以直接输出准确表格，将其转化为结构化数据，方便后续的数据入库、分析或输入大模型进行处理。可以看到，未经过解析的柱状图对大模型的理解造成了干扰，经过图表转化后，模型给出了准确、优质的答案。
2025-02-12 13:55:05
509
原创 文档图像矫正任务的前沿进展：引入Transformer框架、极坐标的思路
该框架包括一个几何矫正 Transformer 和一个照明矫正 Transformer，通过设置一组学习的查询嵌入，几何矫正 Transformer 捕获文档图像的全局上下文，并解码像素级位移解决方案以纠正几何失真。引入了一种新的端到端框架，它不仅考虑了文档图像的二维几何变换，还结合了3D形状信息来进行更精确的矫正。提出了一种新颖的多范围 Polar-Doc-IOU 损失函数，作为极坐标下的基于网格的正则化，约束控制点之间的关系，提高学习效果，获得更好的去皱性能。
2025-01-22 14:37:31
910
原创 版面分析技术研究方向：真实世界中更丰富的版面布局
在文档解析工作中，我们日常会遇到种类繁多的文件类型：书籍、期刊、论文、企业年报、公告、金融研报、国标材料、试卷，等等不胜枚举。基于深度学习方法，当前的版面分析技术能够妥善处理包括多栏排版论文、跨页无线表格在内的众多复杂版面情况。尽管如此，仍有更丰富的案例进入我们的视野，它们被应用于学术研究、AI训练等场景，特殊的版面构成向当前的技术提出了挑战。例如，以下的报纸页面。以报纸、杂志为代表的版面结构复杂，缺乏统一性，解析难度相较其他文档更高。
2025-01-15 18:43:43
1036
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人