GLM-OCR
面向复杂文档理解的多模态OCR模型，可把图片中的文字转换为文本，强调准确与快速。
挑一个能复现的小 issue，用 AI 编程助手把它修好。
分享到 X许可证: Apache-2.0
概述
GLM-OCR 是面向复杂文档理解的多模态 OCR 模型。它结合视觉编码器、轻量跨模态连接器和 GLM-0.5B 语言解码器，采用先版面分析、再并行识别的两阶段流程。可把含公式和表格的文档图像转成文本，并支持用 vLLM、SGLang 或 Ollama 部署。
主要特点
- 版面分析加并行识别的两阶段流程
- 支持公式、表格和信息抽取
- 仅 0.9B 参数
- 可用 vLLM、SGLang、Ollama 部署
- 面向复杂表格、代码类文档和印章
适用场景
适合需要把真实复杂文档转成文本、又想自行部署小体量模型的团队。
- 上游仓库
- zai-org/GLM-OCR
- GitHub 上的 fork
- Guo-astro/GLM-OCR
- 上游 Star 数
- 7.6k
- 分类
- 文档、媒体与内容
- 编程语言
- Python
- 许可证
- Apache-2.0
- Fork 时间
- 2026-03-17
- 同步状态
- 已同步上次同步 2026-11-09
同分类更多: 文档、媒体与内容
LuxTTS 是一款轻量级语音合成模型，可根据参考音频克隆音色并生成清晰的 48 kHz 语音。可通过 Python、Colab 或 Hugging Face Spaces 使用。
Fork 时间 2026-10-19上次同步 2026-11-09许可证: Apache-2.0文档、媒体与内容GitHub
一款可自托管的知识库，用于编写、整理、搜索和分享 Markdown 笔记。支持离线使用和团队工作区，适合个人或团队管理文档。
Textus是一款免费的开源Markdown编辑器，内置AI写作助手，可在macOS、Windows和Linux上写作与编辑。
Clypra是一款免费开源的视频编辑器，可在精准到帧的时间线上剪辑和编排视频，并使用 Rust 和 GPU 加速解码与渲染。