郭震 AI公众号:郭震AI

实时 AI 消息

小米开源 0.8B 文档 OCR 模型 Xiaomi-OCR-0

小米发布开源文档 OCR 模型 Xiaomi-OCR-0,参数量为 0.8B,目标是文档识别场景。小体量专用模型便于本地部署与自行微调,也说明厂商正把 OCR 这类高频能力从通用多模态模型中拆分出来。

发布时间
小米开源 0.8B 文档 OCR 模型 Xiaomi-OCR-0
图源: mi.co.id

小米推出一款名为 Xiaomi-OCR-0 的开源文档 OCR 模型,参数量为 0.8B,目标场景是文档识别。该消息由技术作者 Pasquale Pillitteri 报道,并出现在 Google News 的 AI 开源模型聚合结果中。

从命名和规模看,这是一款小而专的模型。0.8B 的体量远小于通用多模态大模型,却足以承担版面分析、文字检测与识别这类边界清晰的任务,也因此更容易在本地或边缘设备上运行。

文档 OCR 并不是新问题,但企业场景对它的要求一直很具体:表格要保留结构、扫描件要抗噪、多语言混排不能丢行。通用视觉模型在这些细节上常常需要大量后处理,专用模型的吸引力正在于此。

开源是这次发布的关键属性。权重与推理代码对外可用,意味着开发者可以自行部署、微调,或在合规要求下把数据留在本地,而不必把整份文档送进第三方 API。

对小米而言,这更像是 AI 能力布局的一环,而非单点产品。硬件厂商掌握大量端侧场景,把 OCR 这类高频、低延迟的能力做成小模型,有助于在手机、平板与办公设备上形成差异化。

接下来要看三件事:模型在公开评测与实际文档上的准确率,许可证是否允许商业使用,以及是否提供量化版本以便在消费级硬件上运行。这些细节决定了它会被放进生产流程,还是停留在演示阶段。

为什么重要

一款 0.8B 的开源 OCR 模型降低了文档智能的部署门槛,也说明小参数专用模型正在成为通用大模型之外的一条实用路线。

微博邮件

XiaomiOpen SourceOCR
返回AI日报

附近消息

全部