HyOCR-1.5 - 腾讯混元开源的轻量级端到端 OCR 专家大模型

HyOCR-1.0是什么

先说说一个有意思的新东西——HyOCR-1.0。这是腾讯混元开源的一款轻量级端到端OCR专家大模型，虽然只有1B参数，但能干的事可不少：文档解析、文本识别、信息抽取、拍照翻译、图表解析，甚至古文字识别、视频字幕提取和多页文档问答，一应俱全。更厉害的是，它基于DFlash投机解码，长结构化输出推理最高能提速6.37倍。在OmniDocBench v1.6上，它以94.74分位居端到端第一，这个成绩相当抢眼。

HyOCR-1.0的主要功能

• 文档解析
  ：能一键把密集文档、多栏版面、表格还有公式，直接转成Markdown、HTML或LaTeX这样的结构化文本。

• 文本检测识别
  ：输出图片中全部文字及对应坐标，不管是文档、街景、手写、广告、游戏还是视频，都能搞定。

• 信息抽取
  ：从票据、证件、收据里提取指定字段，按JSON格式返回，干净利落。

• 拍照翻译
  ：提取图中文字并翻译成多种语言，还能保留原来的版式和公式格式。

• 图表解析
  ：流程图、统计图表，都能解析成Mermaid或Markdown格式。

• 古文字识别
  ：支持汉字七体——甲骨、金文、篆、隶、楷、行、草，一个都不少。

• 视频字幕提取
  ：从视频帧里精准提取字幕文本。

• 多页文档问答
  ：基于多页PDF进行跨页检索、比对和证据聚合问答。

HyOCR-1.0的技术原理

轻量端到端架构

延续了HyOCR-1.0验证过的紧凑设计，由原生分辨率视觉编码器Hunyuan-ViT、自适应MLP连接器和轻量语言模型Hunyuan-0.5B组成。直接把多模态输入映射成Markdown、HTML、LaTeX等结构化输出，不需要任何任务级后处理模块。这才是真正的端到端——不需要任何后处理模块。

4K原生分辨率视觉编码

视觉编码器基于Hunyuan-ViT，最大输入分辨率从2K扩展到了4K，保持原始宽高比和空间布局。这样一来，高密度文档、超大表格和复杂版面的细粒度结构细节，都能被模型精准捕捉。

DFlash投机解码

引入了一个约90.7M参数的block-diffusion草稿模型，一次并行前向就能预测整块候选token，再由目标模型单次验证并接受最长正确前缀。在严格保持目标模型输出分布的同时，大幅降低了长结构化OCR生成的解码延迟。

Agentic Data Flow

智能体驱动数据生产闭环，把模型短板转化为可执行数据需求，自主完成素材搜索、工具辅助清洗、难例挖掘和数据管线开发，再和算法工程师持续迭代。这个机制让模型能持续进化。

三阶段训练配方

预训练阶段重规划了Stage 3，注入新能力数据并扩展到4K分辨率和128K上下文；SFT阶段彻底清洗数据、统一prompt接口；RL阶段采用IcePop（GRPO风格）优化，通过事实性、一致性评判和退化抑制三类互补奖励，提升输出质量。

如何使用HyOCR-1.0

• 环境准备
  ：安装Python 3.12+、CUDA 12.9、PyTorch 2.7.1和vLLM（≥0.12.0）。

• 模型启动
  ：执行vllm serve tencent/HunyuanOCR启动服务，或者加载Hugging Face权重。

• 图片输入
  ：用PIL读取图片，构建含image和text的messages对话结构。

• 任务指令
  ：按场景选择Prompt，比如文档解析、文字检测、信息抽取、翻译等。

• 调用推理
  ：通过vLLM或Transformers生成结果，设置temperature=0和max_tokens=16384。

• 结果清洗
  ：用内置去重函数清理可能的重复子串，得到最终结构化输出。

• 本地部署
  ：通过llama.cpp在CPU或消费级GPU上运行，不需要服务器。

HyOCR-1.0的核心优势

• 极速推理
  ：DFlash投机解码让长文档生成在Transformers下提速6.37倍、vLLM下提速2.14倍，端到端每页只要1.4秒。

• 轻量可部署
  ：1B参数，通过llama.cpp就能在CPU、消费级显卡甚至笔记本上本地运行。

• SOTA精度
  ：OmniDocBench v1.6端到端第一（94.74），表格TEDS 93.67，复杂表格和阅读顺序表现尤其突出。

• 全栈开源
  ：训练配方、推理框架、模型权重全部公开，可复现、可微调、可扩展。

• 长尾能力
  ：Agentic Data Flow补齐了331种低资源语种、古文字、多图问答等稀缺能力。

• 高分辨率长上下文
  ：支持4K图像分辨率和128K上下文，适配高密度长文档。

• 幻觉抑制
  ：CHAOS-Bench页均召回率14.15，优于现有模型，输出更忠于所见。

HyOCR-1.0的项目地址

• GitHub仓库
  ：https://github.com/Tencent-Hunyuan/HunyuanOCR

• HuggingFace模型库
  ：https://huggingface.co/tencent/HunyuanOCR

• arXiv技术论文
  ：https://arxiv.org/pdf/2607.04884

HyOCR-1.0的同类竞品对比

维度	HyOCR-1.0	DeepSeek-OCR-2
参数规模	1B（轻量）	3B（大3倍）
OmniDocBench	94.74	87.01
端到端延迟	1.408s / 页	5.460s / 页（慢3.9倍）
表格解析TEDS	93.67	约84.97
推理加速	DFlash投机解码，Transformers 6.37×提速	无专用加速，纯自回归解码
部署成本	可跑在CPU / 笔记本	需服务器级GPU

HyOCR-1.0的应用场景

• 密集文档数字化
  ：一键将合同、论文、报告等高密度多栏版面转为Markdown、HTML或LaTeX结构化文本，保留阅读顺序和版式。

• 复杂表格与公式解析
  ：精准还原财务报表、学术论文中的超大表格和数学公式，支持HTML表格和LaTeX公式输出。

• 多语种跨国文档处理
  ：覆盖331种语言，自动识别并解析混合语种文档，适用于外贸、法务、出版等全球化业务场景。

• 古文字研究与保护
  ：识别甲骨、金文、篆书、隶书等汉字七体，辅助博物馆、考古机构对历史文献进行数字化存档和研究。