传统 OCR 深度学习模型
OCR 大模型
OCR 大模型的特点
OCR 大模型适用场景 -- 票据识别识别票据单据、证书执照等：手写体难识别、套打/印章/水印干扰等痛点，票单据自动录入业务下自动识别汇票、回单等结构化信息，银行开户场景、保险审核场景下的用户证照识别较验，物流运送场景下中英文运单关键信息提取。
OCR 大模型适用场景 - 表格识别识别表格：表格结构复杂、栅栏线/套打/印章/水印干扰等痛点，金融银行场景下的账户流水、申请登记表等，理赔场景下的申请资料单等。
OCR 大模型适用场景 - 文档识别识别文档：文本段落较长、待提取内容存在跨行跨页、需对文档内容进行理解等痛点，各场景类型的合同文件等，商户入驻场景下的承诺函首页等。
OCR 大模型适用场景 -- 自然场景识别识别自然场景图片：拍摄背景复杂、拍摄文字扭曲等检测识别业界难点，企业入驻审核场景下的门头照识别、水印公司信息识别，工业质检场景下的电线规格、铭牌信息、零部件规格说明书等，物流快递领域下的集装箱规格、电子显示屏读数等。
腾讯云 OCR 大模型家族
DocLM--端到端文档图像理解图像到文字直接生成，内容感知和具体任务解耦。单模型 & 多任务：单模型支持多种类型任务，任务间能力互补。效果更好 & 场景泛化：结构化指标更优，支持自然场景。数据 & 推理成本低：与多阶段结构化方案持平。
DocLM 核心技术
DocLM模型效果全新自研端到端算法方案，单模型支持多种类型任务，任务间能力互补。支持自然场景结构化〔曲文、电表度数读取、门头提取、线缆规格提取等〕。支持指定形式的输出〔排版、仅输出手写等），支持套打/印章/水印等干扰场景信息提取。
DocQA--阅读理解问答阅读理解任务能力同步提升：结构化&阅读理解，基于检索的知识库问答
DocQA 核心技术支持长文档问答：通过Embedding模型将文档向量化成知识库，将问题向量与知识库向量匹配结果送入LLT；文档自监督预训练：增加Пext Token Prediction自监督任务，提升文本表征能力；指令微调：在不破坏LL原有特性的条件下引导模型基于上下文回答，提升信息提取准确率；低参数量微调：以较小的可训练参数优化模型，提高准确率并避免灾难性遗忘；引入布局特征:提升模型对无序输入的跨内容感知能力。
DocQA 模型效果支持信息抽取、文本摘要，具备较强的理解能力，应用于腾讯云官网封闭式问答场景中，阅读理解准确率大幅提升。
MLLM--多模态大模型从支持自然场景扩展至文档场景，Few-Shot Learning（ICL）在结构化等任务上表现优异
MLLM 核心技术
MLLM 模型效果聚焦泛化场景的文字理解，支持开放问答:问题理解透彻，笞案流畅度高，支持ICL：根据少量几张图片及问答对示例，理解意图并做出正确预测，完成快速场景适配，具备归纳和理解能力。
TI-OCR 支持 OCR 大模型精调DocLm会作为TI-OCR上的内置模型提供绐客户进行自定义业务下的训练精调，在压缩模型体量、节省训练成本、降低推理成本基础上，进一步提升特定场景下的OCR大模型指标。
TI-OCR 支持 OCR 大模型精调
OCR 大模型精调所需资源
典型案例
典型案例大模型轻松解决曲文、水印、检测识别难例问题，各业务场景综合指标达98.6%+
典型案例大模型解决自然场景下的识别难题，审核业务机器转人工占比降低80%。在商户入驻场景下，通过引入OCR大模型自动化申请材料的照片审核，有效降低机器转人工的比例，加速商户自助办理业务的流程。
腾讯云大数据助力品牌私域流量平台构建和流量运营，协助企业打造消费者“人人在线，直接触达”的自控流量池，并实现“忠实客户，持续购买”的良性运营循环，有效把握消费者生命周期价值，解决企业的转化困扰。
助力品牌私域流量平台构建和流量运营
协助企业打造消费者“人人在线
直接触达”的自控流量池
持续购买”的良性运营循环
针对医学教育各环节需求，提供“平台+内容+服务”一站式医学教育解决方案。打通院校教育、毕业后教育、继续职业教育三阶段，提供实习、规培、进修、继教等20多个教学模块，实现教、学、 管、评一体化。
提供“平台+内容+服务”一站式医学教育解决方案
打通院校教育、毕业后教育、继续职业教育三阶段
提供实习、规培、进修、继教等20多个教学模块
实现教、学、 管、评一体化
腾讯文档地产行业解决方案，多⼈实时编辑可⾏性分析投资决策汇报材料，总部-区域-城市-项⽬设计评审多组织统⼀⼝径围绕⽂档充分表达沟通，突破时间、空间限制，沉淀企业数字资产，私域运营助⼒房企线上营销服务提效。
多⼈实时编辑可⾏性分析
围绕⽂档充分表达沟通
助⼒房企线上营销服务提效
汇报材料讨论制作
领先的企业数字化服务平台
客服电话：400-0972-788
