这是一个创建于 201 天前的主题，其中的信息可能已经有所发展或是发生改变。
- 1 、百度 ppocr
- 2 、阿里读光 ocr
- 3 、。。。
第 1 条附言 201 天前
多模态大模型有考虑过，但是成本太高了，而且速度慢
成本上单卡t4(16g) ，ocr小模型可以支持8个并发
大模型可能智能部署小参数量化版本，效果还不行，换大参数成本更高
 | 1 daodao 201 天前 PaddleOCR |
 | 2 Suonna 201 天前 汉王可以了解一下，目前遇到过最强的手写 OCR ，软件还良心 其次就是直接用 gemini 做 ocr |
 | 3 zzfer 201 天前 对过几家 SDK ，百度和微软的表现还不错 |
 | 4 realJamespond 201 天前 最新的 gemeni2.5 pro 变态强, 国内就是 internvl3 14b 非常强 |
 | 8 luchenwei9266 201 天前 之前简单对比过：百度、腾讯、讯飞、阿里、有道。百度的效果会稍微好一点。 |
 | 9 lee88688 201 天前 #4 说的 internvl3 14b 我也看过一些测评确实可以，但不知道具体场景情况，op 可以去试试。 |
 | 10 kuonkuon 201 天前 做过测试，手写这东西，只有大模型识别率最高，但是也只有 70 几。测试数据是初中生的数学考试手写笔记 |
 | 11 hmxxmh OP @Suonna 大模型太慢了，我们的业务场景要求响应速度，而且大模型成本高，1 张 t4 卡，小模型可支持 8 并发差不多，换大模型只能部署小参数的，大参数的至少 4 张卡，并发数还少 |
 | 13 yoghurtguy 201 天前 @kuonkuon 请问"初中生的数学考试手写笔记"是随便找了一张图片还是有相关的数据集吗? 我现在刚好希望使用开源大模型识别手写数学公式 |
 | 14 xiaomushen 201 天前 PaddleOCR 或 RapidOCR 其实是一个东东 |
| 16 hmxxmh OP @xiaomushen 这个我用来表格识别了，属于是开源最好的表格识别 |
 | 18 owen800q 200 天前 via iPhone 微信 |
 | 19 Yux0 200 天前 @yoghurtguy HME100k |
| 20 kuonkuon 200 天前 @hmxxmh #12 @yoghurtguy 那时候用的 gpt4o ，现在 4.1 出来了，最主要是学生不会给你规规矩矩写，大量存在歧义的符号，大模型好处是会联系上下文。 不是开源数据集，是我这儿学校扫描的答题卡，我自己整理的测试图 |
| 21 yoghurtguy 200 天前 via iPhone |
| 22 Yux0 197 天前 @yoghurtguy #21 可以一起交流，目前我也在弄识别数学公式的项目： https://github.com/yux-lab/TeXnically |
Select Language