通用文档识别

产品概述

通用场景下的整图文字/文档结构识别，支持整图中的文字、印章、图片、图表、表格、公式等各元素的识别解析，并以Json格式返回识别结果，输入格式支持图片、PDF/OFD。

产品特点

直击解决VLM痛点

目前开源视觉大模型普遍存在以下生产级问题：
a). 复读问题：模型在遇到解析困难处，直接重复输出，直至耗尽最大token输出数
b). 推理速度问题：纯端到端模型，推理速度慢，难以满足生产级OCR的推理耗时要求
c). 倾斜弯曲版面问题：两阶段模型，解决推理速度问题，但对真实场景的倾斜弯曲等图像效果不佳

多方向文字检测

文字方向检测算法，经历迭代进化，鲁棒性强，支持360°范围内任意角度旋转的图像检测识别，图像大角度倾斜或旋转，识别效果不打折。

标准化本地部署

提供标准的高集成度部署包，私有化部署一键轻松搞定，支持在 ( Linux / Window ) 服务器操作系统、包括国产化操作系统上的私有化部署。

高可用性

支持高性能高并发推理，内置服务健康监测模块保障服务在长期无人值守下高稳定运行。