生活中的AI · 原创

腾讯开源了个"拍照提取文字"的模型，1B参数就能跑在你笔记本上

拍合同、扫发票、翻译路牌、提取截图文字——这个OCR大模型把"扫一扫转文字"做到了开源第一。

你手机里那个"扫一扫转文字"，背后是个叫OCR的技术。合同扫描、发票识别、古籍数字化、翻译外文路牌、把手写笔记变成电子版——全靠它。但以前这套东西很碎：表格识别要一个模型、手写要一个、印章检测又一个、多语言再来一个，企业部署一套得养七八个模型。腾讯混元最近开源的 HyOCR-1.5，想把这摊子事用一个模型收拾利索。

一、它强在哪

端到端：扔一张图进去，直接出结果，省掉了传统的"先分析版面、再识别文字"那堆预处理，误差不会一层层累积。

又小又猛：只有1B（10亿）参数，却在 OCR 最权威的榜单 OmniDocBench 上拿了94.74分、端到端第一，比很多闭源商业方案还高。引入一个叫 DFlash 的加速框架后，推理速度提升6.37倍，处理一页文档只要1.4秒左右。

全能：支持100多种语言、4K分辨率、12.8万字的超长上下文——一张超大表格扔进去，它能从头看到尾不漏细节。

全栈开源：训练方法、推理代码、模型权重全公开。重点是，它够轻，能跑在CPU、消费级显卡、普通笔记本上，甚至将来可能跑手机。大公司才能玩的OCR，现在个人电脑就能本地跑。

二、跟你有啥关系

最直接的：手机拍张纸，文字直接提取出来——扫合同、扫发票、翻译路牌、提取截图里的文字，都不用再手动敲。而且因为能本地运行，敏感的合同、证件不上传云端，隐私更稳。开发者也能自己部署、二次开发，接进自己的小程序或工具里。

三、一句话总结

OCR 是 AI 落地"最后一公里"的桥。腾讯这次把它做成了又小、又快、又开源、还能跑在咱自己电脑上的东西——技术真的开始飞入寻常百姓家了。