数智技能研修平台
AI 前沿发现
魔搭 ModelScope
OvisOCR2 视觉多模态解析，精准识别文档表格与公式
了解OvisOCR2多模态模型，精准识别文档表格与公式，ModelScope下载量超4300。适用于企业文档数字化、教育资料处理等场景，支持中英文混合与复杂排版识别。
查看原文 →内容为平台聚合整理，原文与最新动态以来源页面为准。
加老师微信 · 进学习群
报名咨询、课程答疑由老师 1 对 1 服务
扫码进学习交流群
加专属老师微信图文介绍
项目/模型定位
ATH-MaaS/OvisOCR2 是一款面向光学字符识别（OCR）与文档理解场景的多模态 LoRA/Checkpoint 模型，由 ModelScope 社区发布，累计下载量超过 4300 次。该模型在视觉与语言模型基础上进行专项微调，旨在提升文字区域检测、识别与语义解读的整体精度。
核心功能亮点
- 高精度文字识别：支持中英文混合、印刷体与手写体的端到端识别，对复杂排版如弯曲文字、倾斜文字拥有较好鲁棒性。
- 版面结构解析：可提取段落、表格、标题等元素层级，结合图像上下文还原文档逻辑顺序。
- 低资源依赖：模型体积适中，可在消费级 GPU 上完成推理，便于集成至现有 ComfyUI 工作流或第三方部署环境。
适用场景
- 企业文档数字化：例如发票、合同、报表的批量录入与结构化存储。
- 教育及培训资料处理：教材、试卷中文字区域的自动识别与内容提取。
- 内容合规审核：辅助识别图像内违规文本，用于内容安全初筛。
上手提示
推荐通过 ComfyUI 节点导入 OvisOCR2 模型，并搭配必要的图像预处理器（如 ddetr 用于文本区域检测）。首次使用建议在小型样本集上验证识别效果，并根据实际语种、字体调整推理参数（如置信度阈值、最大文本长度）。模型权重可从 ModelScope 主页直接下载，具体路径请以最新版本为准。
作者/来源：ATH-MaaS
常见问题
OvisOCR2模型主要能做什么？
OvisOCR2是一款面向光学字符识别与文档理解的多模态模型，能够高精度识别中英文混合、印刷体与手写体文字，并解析文档中的表格、段落、标题等版面结构。
OvisOCR2模型对硬件有什么要求？
该模型体积适中，可在消费级GPU上完成推理，便于集成到ComfyUI工作流或第三方部署环境中，适合中小规模团队使用。
如何获取OvisOCR2模型？
模型权重可从ModelScope社区主页直接下载，推荐通过ComfyUI节点导入，并搭配图像预处理器（如ddetr）进行文本区域检测。
OvisOCR2支持哪些文档类型？
支持发票、合同、报表、教材、试卷等多种文档类型，对弯曲文字、倾斜文字等复杂排版也有较好的识别效果。
OvisOCR2在不同场景下的准确率如何？
在标准印刷体文档中准确率较高，对于手写体或极端变形文字建议先在小型样本集上验证，并适当调整置信度阈值和最大文本长度等参数。