腾讯开源微信端到端文档解析模型 WeVisDoc,整页图直出 Markdown
xiaohu · x · 2026-09-19
腾讯微信视觉团队开源端到端文档解析模型 WeVisDoc，提供 2B 与 4B 两个版本：输入一张文档页面图，单模型一次输出完整 Markdown——正文为 Markdown、公式转 LaTeX、表格转 HTML，并自动恢复阅读顺序，无需额外部署版面检测器或 OCR 引擎。2B 适合资源受限和清晰页面场景，4B 在拍照、翻拍等退化页面上更有优势。
所属事件:腾讯开源 WeVisDoc 文档解析模型登顶 OmniDocBench(3 条相关)→
「多模态」频道最新
- 开源 Kitten-TTS 2 语音克隆：954MB 免 GPU 笔记本可跑 — solyarisoftware · 2026-11-04
- 「2030 年旧金山我们来收你的内存」：全本地硬件生成的赛博朋克短片 — Wonderful-Yak-3348 · 2026-11-04
- 开源视频 agent Openfilm 走红：让任意编码 agent 变视频制作器 — solyarisoftware · 2026-11-04
- 微软重开源 VibeVoice：10 秒克隆声音，本地生 90 分钟播客 — solyarisoftware · 2026-11-04
- H3 远景人脸保真配方：Singularity+Pika 组合免跑 SAM 换脸 — robertwellesley · 2026-11-04
- 复旦提出 FlowTranslator:免训练扩散编辑实现图像内文字翻译 — Fudan-University · 2026-11-04