‏🚀 معرفی مدل قدرتمند Jina-OCR برای تحلیل اسناد

‏تیم Jina AI نسخه جدید jina-ocr-v1 را منتشر کرده است. این مدل ۳ میلیارد پارامتری به طور ویژه برای پردازش اسناد در سیستم‌های مقرون‌به‌صرفه بهینه شده و می‌تواند تصاویر، فایل‌های PDF و اسکن‌ها را به فرمت Markdown با پشتیبانی از LaTeX تبدیل کند.

‏از قابلیت‌های کلیدی این مدل می‌توان به موارد زیر اشاره کرد:
‏- استخراج جداول و فرمول‌های پیچیده
‏- پاسخگویی به سوالات متنی بر اساس محتوای سند
‏- استخراج فیلدهای کلیدی و زیرنویس‌نویسی تصاویر
‏- نرخ پردازش عالی با توانایی تحلیل ۲.۵۷ صفحه در ثانیه روی کارت گرافیک A100

‏معماری این مدل بر پایه DeepSeek-OCR است و از تکنیک FastMTP برای افزایش سرعت استنتاج بهره می‌برد. برای استفاده از این قابلیت، اطمینان حاصل کنید که از نسخه ۰.۲۱ vLLM یا جدیدتر استفاده می‌کنید.

‏شما می‌توانید برای بررسی عملکرد مدل از دموی آنلاین استفاده کنید یا مستندات فنی و مقالات مرتبط را در Arxiv مطالعه کنید. دسترسی به وزن‌های مدل نیز در Hugging Face برای علاقه‌مندان فراهم شده است.

بررسی مدل Jina-OCR-v1: پردازش هوشمند اسناد با بهینه‌سازی سرعت و دقت