WeVisDoc

Tencent открыл сквозной парсер документов

Превращает страницу в структурированный Markdown с LaTeX-формулами и HTML-таблицами. Дообучен на Qwen3-VL, размеры 2B и 4B.

Лидирует среди сквозных парсеров на бенчах

На вход - PNG, JPEG или WebP страницы. На выход - чистый Markdown. Работает через vLLM (OpenAI-совместимый API) или локальный Transformers инференс.

Гитхаб
HF
Демо

#ocr #doc2md

MAX