OCR Awesome

OCR、文档解析、版面分析、表格和公式识别资源索引。

OCR Models

release	model	params
2026-02	GLM-OCRHuggingFaceHF:THUDM/glm-ocrhuggingface.co · huggingface.co/THUDM/glm-ocr	0.9B
2026-01	DeepSeek-OCR-2-3BHuggingFaceHF:deepseek-ai/deepseek-ocr-2-3bhuggingface.co · huggingface.co/deepseek-ai/deepseek-ocr-2-3b	3B
2026-01	PaddleOCR-VL-1.5HuggingFaceHF:PaddlePaddle/PaddleOCR-VL-1.5huggingface.co · huggingface.co/PaddlePaddle/PaddleOCR-VL-1.5	0.9B
2026-01	LightOnOCR-2-1BHuggingFaceHF:lightonai/LightOnOCR-2-1Bhuggingface.co · huggingface.co/lightonai/LightOnOCR-2-1B	1B
2025-10	olmOCRGitHuballenai/olmocr	7B
2025-07	dots.ocrGitHubXiaohongshu/Dots-OCR	1.7B
2024-09	GOT-OCR2.0HuggingFaceHF:stepfun-ai/GOT-OCR2_0huggingface.co · huggingface.co/stepfun-ai/GOT-OCR2_0	580M

Document Understanding

• PaddlePaddle/PaddleOCRGitHubPaddlePaddle/PaddleOCRPaddlePaddle/PaddleOCR · 支持 英文(ch)、英文(en)、法语(french)、德语(german)、韩语(korean)、日语(japan) · ocrversion: PP-OCRv5, PP-OCRv4, PP-OCRv3笔记：PaddleOCR
• RapidOCR
• Tesseract
• Surya
• breezedeus/Pix2TextGitHubbreezedeus/Pix2Textbreezedeus/Pix2Text · MIT · 国内开发者维护 · 简体中文&英文 使用的 CnOCR, 其他使用的 EasyOCR · p2t 命令行 https://pix2text.readthedocs.io/zh-cn/stable/command/笔记：Pix2Text
• mindee/doctrGitHubmindee/doctr
  • Document Text Recognition；中文支持需要单独验证。
• docling-project/doclingGitHubdocling-project/docling
  • PDF、文档结构和 Markdown/JSON 输出。
  • ds4sd/docling-modelsHuggingFaceHF:ds4sd/docling-modelshuggingface.co · huggingface.co/ds4sd/docling-models
  • SmolDocling-256M-preview 基于 SmolVLM-256M-Instruct。
• Yuliang-Liu/MonkeyOCRGitHubYuliang-Liu/MonkeyOCR
  • 基于 Qwen2.5-VL-3B，支持中英文、公式和表格识别。
  • SRR：Structure Detection、Content Recognition、Relationship Prediction。
• nanonets/Nanonets-OCR-sHuggingFaceHF:nanonets/Nanonets-OCR-shuggingface.co · huggingface.co/nanonets/Nanonets-OCR-s
  • Image → Structure Markdown。
• ByteDance/DolphinHuggingFaceHF:ByteDance/Dolphinhuggingface.co · huggingface.co/ByteDance/Dolphin
  • Document Image Parsing via Heterogeneous Anchor Prompting。
• ChatDOC/OCRFlux-3BHuggingFaceHF:ChatDOC/OCRFlux-3Bhuggingface.co · huggingface.co/ChatDOC/OCRFlux-3B
• ocrmypdf/OCRmyPDFGitHubocrmypdf/OCRmyPDFocrmypdf/OCRmyPDF · MPL-2.0, Python · adds an OCR text layer to scanned PDF · 流程 · 光栅化 · 预处理 · deskew · clean · 准备图像 · OCR 识别笔记：OCRmyPDF
  • 为扫描 PDF 添加 OCR text layer。
• Topdu/OpenOCRGitHubTopdu/OpenOCR

Layout Analysis 与 PDF Toolkit

• opendatalab/OmniDocBenchGitHubopendatalab/OmniDocBench
• Marker
• rednote-hilab/dots.ocrGitHubrednote-hilab/dots.ocrrednote-hilab/dots.ocr · dots.ocr: Multilingual Document Layout Parsing in a Single Vision-Language Model · by 小红书 · Layout 分析效果非常好笔记：dots.ocr
  • 多语言文档版面解析，1.7B，MIT。
• allenai/olmocrGitHuballenai/olmocr
  • 将 PDF 线性化为适用于 LLM 数据集和训练的文本。
• opendatalab/MinerUGitHubopendatalab/MinerU
  • PDF → JSON / Markdown；AGPLv3。
• opendatalab/PDF-Extract-KitGitHubopendatalab/PDF-Extract-Kit
• DocLayout-YOLO

评估关注点

• 文本识别：字符准确率、CER、语言和字体覆盖。
• 版面：标题、段落、表格、公式、图片和阅读顺序。
• 结构化输出：Markdown、JSON、HTML、坐标和 schema 稳定性。
• 复杂文档：扫描件、手写、低清晰度、多栏、旋转、印章和中英文混排。