SOTA OCR模型开源：华中科大与小红书dots.mocr还原文档结构

处理包含密集图表、复杂表格及多语种混排的文档时，传统OCR引擎的局限性暴露无遗。其核心瓶颈在于只擅长纯文本提取，一旦遇到图表、数学公式、UI界面等非文本视觉元素，便会粗暴截取为图片——导致原始文档的结构崩塌，上下文语义断裂，最终无法实现高精度的信息抽取与结构化重建。

解决方案已经落地。华中科技大学与小红书hi lab联合开源的dots.mocr，提供了一条高效路径。该模型能够将文档中的文本、图表、表格等全部视觉元素，统一转化为结构化数据，并且可直接将图形输出为可编辑的SVG代码。这意味着文档理解的维度与精度显著提升，在自动化处理复杂文档的实战场景中，已具备行业领先水准。

现在，OpenBayes官网教程区正式推出了「dots.mocr 多模态文档解析教程」，支持在线即时运行，零门槛体验新一代多模态文档解析工作流。

立即在线运行：https://go.openbayes.com/anjRI

下面进入实操演示，验证实际表现。

运行效果演示

01 环境配置与启动

1. 访问 OpenBayes.com，进入「公共教程」模块，搜索并打开「dots.mocr 多模态文档解析」教程。

2. 在教程详情页右上角点击「克隆」，将该教程复制至个人容器。

3. 配置算力资源，选择「NVIDIA GeForce RTX 5090」搭配「PyTorch」镜像，单击「继续执行」启动任务。

4. 等待资源调度就绪，状态切换为「运行中」后，点击「打开工作空间」进入Jupyter Workspace界面。

02 实际效果验证

进入工作空间后，选中左侧的README文件，再点击顶部工具栏的「运行」按钮。

待程序执行完毕，点击右侧显示的API地址，即可自动跳转至Demo交互界面。

以下为真实的解析效果截图：

完整教程地址：https://go.openbayes.com/anjRI