TeleOCR：轻量开源文档解析视觉语言模型

AI 摘要

XingChen-AGI 在 Hugging Face 发布开源文档解析视觉语言模型 TeleOCR（约 1.2B 参数，Apache-2.0 许可），统一处理数字文档与摄像头拍摄文档。模型引入多节点共识投票伪标签生成、几何感知建模、曲率引导采样与四阶段渐进训练等技术，在 OmniDocBench v1.6 上取得 96.87 的总体成绩，并在 Dr.DocBench 挑战赛中超过 MinerU 2.5 Pro 与 PaddleOCR-VL 1.6。该模型前身为 NaviDC-OCR，已获社区 GGUF/llama.cpp 支持。

正文节选

--- license: apache-2.0 tags: - ocr - document-parsing - multimodal library_name: transformers pipeline_tag: image-text-to-text language: - zh - en --- <div align="center"> <h1 align="center"> TeleOCR: Navigating Document Parsing Across Digital and Camera-Captured Documents </h1> [](LICENSE) [](https://github.com/caipeng328/TeleOCR) [![TeleA

发布时间：2026-10-28 11:57

抓取时间：2026-10-09 09:05

来源机构：Hugging Face