V2EX = way to explore V2EX 是一个关于分享和探索的地方
Sign Up Now For Existing Member Sign In
请不要在回答技术问题时复制粘贴 AI 生成的内容
This topic created in 359 days ago, the information mentioned may be changed or developed.
- 1 、百度 ppocr
- 2 、阿里读光 ocr
- 3 、。。。
Supplement 1 May 8, 2025
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 &nsp; May 8, 2025 PaddleOCR |
 | 2 Suonna May 8, 2025 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 May 8, 2025 对过几家 SDK ，百度和微软的表现还不错 |
 | 4 realJamespond May 8, 2025 最新的 gemeni2.5 pro 变态强, 国内就是 internvl3 14b 非常强 |
 | 8 luchenwei9266 May 8, 2025 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 May 8, 2025 #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 May 8, 2025 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 May 8, 2025 @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 May 8, 2025 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 May 9, 2025 via iPhone 微信 |
 | 19 Yux0 May 9, 2025 @yoghurtguy HME100k |
| 20 kuonkuon May 9, 2025 @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 May 10, 2025 via iPhone |
| 22 Yux0 May 12, 2025 @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