概念
别名：optical character recognition
用于文档图像文字识别的技术
已跟踪 12 条高相关材料
最近变化
2026-08-02 · PDF解析速度达0.002秒/页，200页仅需2.8秒
为什么值得关注
OCR 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
we open sourced the fastest pdf parser engine pdf-inspector powers /parse together with our custom ...
Firecrawl(@firecrawl_dev) · 8.5 分
Firecrawl开源了高性能PDF解析引擎pdf-inspector，处理速度达0.002秒/页，支持快速表格和图表提取。
We created a document OCR router that can estimate the complexity of every single page and parse it ...
Jerry Liu(@jerryjliu0) · 8.5 分
文档OCR路由器通过智能路由实现多模式解析，显著提升复杂文档处理效率。
这两天终于把 BaoCut 的视频画面翻译功能做了，这功能技术实现不复杂，但是交互比较麻烦，也没有同类产品借鉴参考，迭代了好几个版本终于觉得还不错了。 亮点是可以 Agent（推荐 Codex）自动...
宝玉(@dotey) · 8.5 分
BaoCut实现视频画面翻译功能，通过Agent自动化和OCR优化提升效率，支持导出到剪映二次处理。
已收录 12 条与 OCR 相关的内容，按评分排序。
Firecrawl开源了高性能PDF解析引擎pdf-inspector，处理速度达0.002秒/页，支持快速表格和图表提取。
入选理由：PDF解析速度达0.002秒/页，200页仅需2.8秒
文档OCR路由器通过智能路由实现多模式解析，显著提升复杂文档处理效率。
入选理由：使用LiteParse的is_complex参数可自动识别页面复杂度并路由解析模式
BaoCut实现视频画面翻译功能，通过Agent自动化和OCR优化提升效率，支持导出到剪映二次处理。
入选理由：使用Codex Agent实现自动化画面翻译，减少人工干预
AWS博客展示如何结合Amazon Nova 2 Lite与Claude Sonnet 4.6，实现扫描文档处理成本降低66%。
入选理由：两模型流水线处理336页年鉴，生成3122个姓名-人脸关联，准确率93%。
无需对PDF中所有图片进行模型调用，即可实现图像内容的可搜索性，通过分层过滤和OCR技术降低成本。
入选理由：使用图像大小和形状作为初步过滤条件，可排除无检索价值的图片。
LlamaIndex 提出通过语义解析和结构化输出解决合同管理中的信息提取难题，提升合同数据的可用性。
入选理由：LlamaParse 通过保留文档层级结构解决合同信息提取问题。
文档AI通过AI技术将非结构化文档转化为可操作数据，结合生成式AI提升适应性，但需依赖人工审核和治理机制。
入选理由：文档AI能将合同、发票等文档转化为结构化数据，提升下游系统使用效率。
本文介绍了DPO（Direct Preference Optimization）技术，它通过使用模型自身失败时产生的拒绝对来优化文本生成，从而显著减少了文本退化率。DPO在OCR（光学字符识别）任务中特别有效，因为它可以作为直接的失败模式缓解工具，而无需依赖于主观的人类判断。
入选理由：DPO技术通过使用模型自身失败时产生的拒绝对来优化文本生成，显著减少了文本退化率。
LiteParse 是一款开源、无模型的文档解析器，支持 50 多种文档类型，能够快速解析复杂布局的文档并提取干净文本，同时支持轻量级 OCR 集成。
入选理由：LiteParse 支持 50 多种文档类型，包括复杂的文本布局和表格。
构建AI代理的文档上下文层需依赖OCR、提取工具及标准化格式，是解锁非结构化文档知识的关键。
入选理由：文档OCR仍是当前解锁上下文的核心难题，需持续优化
文章指出企业数据中90%为非结构化数据，LlamaIndex正在探索通过AI代理实现自动化工作流。
入选理由：90%的企业数据是非结构化的，主要存储在文档中。
Qdrant 宣布将在 MistralAI 峰会上分享结合 OCR 与语义搜索处理复杂文档的技术方案，但文章仅为活动预告，缺乏深度技术细节。
入选理由：Qdrant 将在巴黎 AI NOW 峰会展示语义搜索与 OCR 结合的应用。
