テンセントのオープンソースエンドツーエンドOCR大規模モデルHyOCR-1.5

TencentのHyOCR-1.5は、業界初の完全オープンソースのトレーニングおよび推論機能を備えた、エンドツーエンドのオープンソースOCRエキスパートモデルです。このモデルはDFlashの投機的デコーディングを組み込んでおり、Transformers環境下で6.37倍、vLLM環境下で2.14倍の推論速度向上を実現しています。OmniDocBench v1.6では94.74という最高スコアを獲得し、ハイエンドOCRモデルの中で1位にランクインしました。HyOCR-1.5は、文書解析、古代文字認識、チャート解析、複数ページにわたる質問応答など、8つのタスクカテゴリをサポートし、331言語に対応しています。