Sarashina2.2‑OCR 是一个 3‑B 参数的端到端 OCR 模型,经过人工偏好优化后,能够将日文和英文文档解析为 Markdown,同时将表格转换为 HTML,数学公式转换为 LaTeX,图形转换为边界框注释,其实现方式是将 SigLIP2‑基础的视觉编码器与 Sarashina2.2‑3B‑Instruct LLM 集成,从而实现高分辨率视觉‑语言理解。
其他语言的说明
统计
统计数据截至 2026年11月16日
Hugging Face 下载数(近 30 天)
1,000
Hugging Face 点赞数
34
收录日
2026年4月21日
下载数(近 30 天)变化
以表格显示
| 月份 | 下载(30天) |
|---|---|
| 2025年12月 | — |
| 2026年1月 | — |
| 2026年2月 | — |
| 2026年3月 | — |
| 2026年4月 | 1,000 |
| 2026年5月 | 1,000 |
| 2026年6月 | 1,000 |
| 2026年7月 | 1,000 |
| 2026年8月 | 2,000 |
| 2026年9月 | 2,000 |
| 2026年10月 | 1,000 |
| 2026年11月 | 1,000 |
各月最后一次快照时的近 30 天下载数。
同分类的热门资源
- manga-ocr-basekha-white299kManga OCR 是一款 Vision Encoder‑Decoder OCR 工具,可读取纵向和横向的日语漫画文本,包括 furigana,适用于多种字体和低质量图像,并且源代码可免费获取。
- meiki.txt.recognition.v0rtr4642kMeikiocr的 meiki.text.recognition.v0——基于 D‑FINE 的 MobileNetV4 模型,在日本视频游戏文本上微调——为水平文本提供最先进的准确率和延迟,能够从 960×32 的输入中检测多达 48 个字符,并输出每个字符的边界框和置信度分数。
- meiki.text.detect.v0rtr4622kmeikiocr 提供一个基于 D‑FINE、开源权重的视频游戏文本检测模型(v0.1,使用 MobileNet‑v4 骨干网络,提供两种分辨率变体和 64‑box 限制),以及实验性的低延迟 tiny 与 small 变体,训练材料来自日本视频游戏和漫画。
- manga-ocr-2025-onnxl0wgear9k基于 kha‑white 的 manga‑ocr 和 jzhang533 的 2025 baseline 构建的 ONNX Vision‑Encoder‑Decoder Manga OCR 模型,支持竖排/横排日语文本、假名注音、叠加文字和低质量图像,训练数据包括 manga109‑s 与合成数据,可通过 Hugging Face Optimum 使用 TrOCRProcessor 和 ORTModelForVision2Seq 部署。
- manga-ocrmayocream2kManga OCR 是一种 Vision Encoder‑Decoder 系统,可在各种字体和低质量图像中提供高质量的日语漫画 OCR——包括带有假名覆盖的纵向和横向文本——并且也可用于一般印刷日语 OCR。
- sarashina2.2-vision-3bsbintuitions1kSarashina2.2‑Vision‑3B 是一款日本大型视觉语言模型(30亿参数),基于 Sarashina2.2‑3B‑Instruct 和 SigLIP 的图像编码器构建,在日本 VQA 基准如 BussinessSlide、Heron‑Bench、JDocQA 与 JMMMU 上取得竞争性分数,同时在英文任务如 DocVQA、InfoVQA 与 RealworldQA 也表现良好。
研究领域相近的资源
Pix2Textbreezedeus3.3k一个使用小型模型的开源 Python3 工具,可识别图像中的版面、表格、数学公式(LaTeX)与文字,并将其转换为 Markdown 格式,是 Mathpix 的免费替代方案,可无缝将视觉内容转换为文本表示,支持80多种语言。多语言共同: OCR 与文档图像・图像与多模态
mokurokha-white1.8k在浏览器中阅读日本漫画,可选择文本。GitHub共同: OCR 与文档图像・图像与多模态
yomitokukotaro-kinoshita1.7kYomitoku是一款由人工智能驱动的文件图像分析软件包,专门为日语设计。GitHub共同: OCR 与文档图像・图像与多模态
meikipoprtr46734通用日语OCR弹出式词典,适用于Windows、Linux和macOSGitHub共同: OCR 与文档图像・图像与多模态
Poricomblueaxis447漫画图像的光学字符识别。漫画OCR桌面应用程序。GitHub共同: OCR 与文档图像・图像与多模态
owocraurorawright317日文文本的光学字符识别GitHub共同: OCR 与文档图像・图像与多模态