TeleOCR 视觉多模态模型上线：面向文档解析与 OCR 的多模态理解方案
TeleOCR 是托管在 ModelScope 的 OCR 多模态模型，面向文档解析与图像文字识别，可提取截图、海报、扫描件中的文字信息，支持本地部署或云端算力调用，也能接入 ComfyUI 图像工作流，完成批量文字提取、表单票据数据整理与归档，适合作为自建推理流程中的文字提取组件。
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。
扫码进学习交流群
加专属老师微信图文介绍
XingChen-AGI/TeleOCR 是托管在 ModelScope（魔搭社区）上的 OCR 方向模型，由 XingChen-AGI 发布，当前累计下载量约 1011 次。从模型定位看，它面向图像文字识别任务，适合作为图像处理或自建推理流程中的文字提取组件，与 ComfyUI 等可视化工作流搭配使用。
核心功能亮点
- OCR 任务导向：从图像中检测并识别文字，输出可读的文本结果，便于后续整理与检索。
- 权重托管清晰：通过 ModelScope 模型 ID 直接拉取，支持本地部署或云端算力环境调用。
- 流程兼容性较好：可作为前置或后置环节接入 ComfyUI 等图像类工作流。
- 社区实践可参考：已有一定下载量，便于对照他人使用记录做初步验证。
适用场景
- 图文素材的批量文字提取与归档。
- 截图、海报、扫描件的文字信息整理。
- 多模态流程中的文字理解前处理环节。
- 表单、票据类素材的文字抽取与数据准备。
上手提示
- 先在 ModelScope 模型页确认权重文件、依赖版本与输入输出格式，再选择部署方式。
- 推理前统一图像尺寸与方向，模糊或倾斜素材建议先做预处理。
- 用小批量样本试跑，确认识别效果后再扩展到批量任务。
- 接入 ComfyUI 时，注意节点之间的图像格式与路径传递。
- 识别精度与支持语种以模型页说明为准，建议结合自有数据实测。
以上为基于模型页公开信息的整理，具体能力与版本更新请以 ModelScope 模型页为准，发布前请交人工审核。
作者/来源：星辰通用人工智能实验室
常见问题
TeleOCR 是 XingChen-AGI 发布在 ModelScope（魔搭社区）的 OCR 方向视觉多模态模型，主要从图像中检测并识别文字，输出可读文本结果，可用于图文素材提取、截图与扫描件整理、表单票据文字抽取等文档解析场景。当前累计下载量约 1011 次。
可通过 ModelScope 上的模型 ID（XingChen-AGI/TeleOCR）直接拉取权重，先在模型页确认权重文件、依赖版本与输入输出格式，再选择本地部署或云端算力环境调用。建议先用小批量样本试跑，确认识别效果后再扩展到批量任务。
可以。它能够作为前置或后置环节接入 ComfyUI 等图像类工作流，用于多模态流程中的文字理解前处理。接入时需留意节点之间的图像格式与路径传递，推理前建议统一图像尺寸与方向，模糊或倾斜素材先做预处理。
识别精度与可支持语种以 ModelScope 模型页的说明为准，并受输入图像质量影响。建议结合自有数据实测，通过小批量样本验证后再投入实际业务使用。
常见场景包括图文素材的批量文字提取与归档、截图海报与扫描件的文字整理、多模态流程中的文字理解前处理，以及表单、票据类素材的文字抽取与数据准备。