# HyOCR-1.5 – 腾讯混元开源的轻量级端到端 OCR 专家大模型

- Link: https://paooo.com/aigc-news/30140/
- Published: 2026-07-14T00:05:16+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * 1B 参数即可覆盖文档解析、信息抽取、拍照翻译、图表与视频字幕等 OCR 全栈场景。
 * DFlash 投机解码显著加速长结构化输出，Transformers 下最高提速 6.37 倍，端到端每
   页约 1.4 秒。
 * OmniDocBench v1.6 以 94.74 分拿下端到端第一，且支持 4K 分辨率与 128K 上下文。

## HyOCR-1.5是什么

HyOCR-1.5 是腾讯混元开源的轻量级端到端 OCR 专家[大模型](https://paooo.com/ai-study/)，
仅 1B 参数能实现文档解析、文本识别、信息抽取、拍照翻译、图表解析、古文字识别、视频
字幕提取与多页文档问答等全栈能力。模型基于 DFlash 投机解码，长结构化输出推理最高
提速 6.37 倍；OmniDocBench v1.6 以 94.74 分位居端到端第一。

阅读目录

 * [HyOCR-1.5是什么](https://paooo.com/aigc-news/30140/#hyocr15%e6%98%af%e4%bb%80%e4%b9%88)
 * [HyOCR-1.5的主要功能](https://paooo.com/aigc-news/30140/#hyocr15%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [HyOCR-1.5的技术原理](https://paooo.com/aigc-news/30140/#hyocr15%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [如何使用HyOCR-1.5](https://paooo.com/aigc-news/30140/#%e5%a6%82%e4%bd%95%e4%bd%bf%e7%94%a8hyocr15)
 * [HyOCR-1.5的核心优势](https://paooo.com/aigc-news/30140/#hyocr15%e7%9a%84%e6%a0%b8%e5%bf%83%e4%bc%98%e5%8a%bf)
 * [HyOCR-1.5的项目地址](https://paooo.com/aigc-news/30140/#hyocr15%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [HyOCR-1.5的同类竞品对比](https://paooo.com/aigc-news/30140/#hyocr15%e7%9a%84%e5%90%8c%e7%b1%bb%e7%ab%9e%e5%93%81%e5%af%b9%e6%af%94)
 * [HyOCR-1.5的应用场景](https://paooo.com/aigc-news/30140/#hyocr15%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)

![HyOCR-1.5](https://paooo.com/wp-content/uploads/2026/07/HyOCR-1.5-website-1.avif)

## HyOCR-1.5的主要功能

 * **文档解析**：将密集文档、多栏版面、表格与公式一键转为结构化文本（Markdown/HTML/
   LaTeX）。
 * **文本检测识别**：输出图片中全部文字内容及对应坐标，覆盖文档、街景、手写、广告、
   游戏、视频等场景。
 * **信息抽取**：从票据、证件、收据中提取指定字段并按 JSON 格式返回。
 * **拍照翻译**：提取图中文字并翻译为多种语言，保留文档版式与公式格式。
 * **图表解析**：将流程图、统计图表解析为 Mermaid 或 Markdown 格式。
 * **古文字识别**：支持汉字七体（甲骨、金文、篆、隶、楷、行、草）识别。
 * **视频字幕提取**：从视频帧中精准提取字幕文本。
 * **多页文档问答**：基于多页 PDF 进行跨页检索、比对与证据聚合问答。

## HyOCR-1.5的技术原理

 * **轻量端到端架构**：沿用 HyOCR-1.0 验证过的紧凑设计，由原生分辨率视觉编码器 Hunyuan-
   ViT、自适应 MLP 连接器与轻量语言模型 Hunyuan-0.5B 组成，直接将多模态输入映射为
   Markdown、HTML、LaTeX 等结构化输出，无需任何任务级后处理模块。
 * **4K 原生分辨率视觉编码**：视觉编码器基于 Hunyuan-ViT 构建，最大输入分辨率从 
   2K 扩展至 4K，保持原始宽高比与空间布局，使模型能捕捉高密度文档、超大表格及复杂
   版面的细粒度结构细节。
 * **DFlash 投机解码**：引入约 90.7M 参数的 block-diffusion 草稿模型，一次并行前
   向即可预测整块候选 token，再由目标模型单次验证并接受最长正确前缀；严格保持目标
   模型输出分布的同时，将长结构化 OCR 生成的解码延迟大幅降低。
 * **Agentic Data Flow**：[智能体](https://paooo.com/trends/)驱动数据生产闭环，将
   模型短板转化为可执行数据需求，自主完成素材搜索、工具辅助清洗、难例挖掘与数据管
   线开发，并与算法工程师持续迭代。
 * **三阶段训练配方**：预训练阶段重规划 Stage 3，注入新能力数据并扩展至 4K 分辨率
   与 128K 上下文；SFT 阶段彻底清洗数据、统一 prompt 接口；RL 阶段采用 IcePop（GRPO
   风格）优化，通过事实性、一致性评判与退化抑制三类互补奖励提升输出质量。

![挖挖GitHub](https://paooo.com/wp-content/uploads/2026/07/wawagithub-73.avif)

微信关注回复“**开源**”，加入**AI开源项目交流群**

## 如何使用HyOCR-1.5

 * **环境准备**：安装 Python 3.12+、CUDA 12.9、PyTorch 2.7.1 与 vLLM（≥0.12.0）。
 * **模型启动**：执行 `vllm serve tencent/HunyuanOCR` 启动服务，或加载 Hugging Face
   权重。
 * **图片输入**：使用 PIL 读取图片并构建含 image 与 text 的 messages 对话结构。
 * **任务指令**：按场景选择 Prompt，如文档解析、文字检测、信息抽取、翻译等。
 * **调用推理**：通过 vLLM 或 Transformers 生成结果，设置 temperature=0 与 max_tokens
   =16384。
 * **结果清洗**：使用内置去重函数清理可能的重复子串，获取最终结构化输出。
 * **本地部署**：通过 llama.cpp 在 CPU 或消费级 GPU 上运行，无需服务器。

## HyOCR-1.5的核心优势

 * **极速推理**：DFlash 投机解码让长文档生成在 Transformers 下提速 6.37 倍、vLLM
   下提速 2.14 倍，端到端每页仅 1.4 秒。
 * **轻量可部署**：1B 参数可通过 llama.cpp 在 CPU、消费级显卡及笔记本本地运行。
 * **SOTA 精度**：OmniDocBench v1.6 端到端第一（94.74），表格 TEDS 93.67，复杂表格
   与阅读顺序表现突出。
 * **全栈开源**：训练配方、推理框架、模型权重完整公开，可复现、可微调、可扩展。
 * **长尾能力**：Agentic Data Flow 补齐 331 种低资源语种、古文字、多图问答等稀缺
   能力。
 * **高分辨率长上下文**：支持 4K 图像分辨率与 128K 上下文，适配高密度长文档。
 * **幻觉抑制**：CHAOS-Bench 页均召回率 14.15，优于现有模型，输出更忠于所见。

## HyOCR-1.5的项目地址

 * **GitHub仓库**：https://github.com/Tencent-Hunyuan/HunyuanOCR
 * **HuggingFace模型库**：https://huggingface.co/tencent/HunyuanOCR
 * **arXiv技术论文**：https://arxiv.org/pdf/2607.04884

## HyOCR-1.5的同类竞品对比

  |  维度 |  HyOCR-1.5 |  [DeepSeek-OCR-2](https://ai-bot.cn/deepseek-ocr-2/) |  
   |  **参数规模** |  1B（轻量） |  3B（大 3 倍） |  
 |  **OmniDocBench** |  94.74 |  87.01 |  
 |  **端到端延迟** |  1.408s / 页 |  5.460s / 页（慢 3.9 倍） |  
 |  **表格解析 TEDS** |  93.67 |  约 84.97 |  
 |  **推理加速** |  DFlash 投机解码，Transformers 6.37× 提速 |  无专用加速，纯自回归解码 |  
 |  **部署成本** |  可跑在 CPU / 笔记本 |  需服务器级 GPU |

## HyOCR-1.5的应用场景

 * **密集文档数字化**：一键将合同、论文、报告等高密度多栏版面转为 Markdown / HTML/
   LaTeX 结构化文本，保留阅读顺序与版式。
 * **复杂表格与公式解析**：精准还原财务报表、学术论文中的超大表格与数学公式，支持
   HTML 表格与 LaTeX 公式输出。
 * **多语种跨国文档处理**：覆盖 331 种语言，自动识别并解析混合语种文档，适用于外贸、
   法务、出版等全球化业务场景。
 * **古文字研究与保护**：识别甲骨、金文、篆书、隶书等汉字七体，辅助博物馆、考古机构
   对历史文献进行数字化存档与研究。

🧭 文中关联 [AI 工具](https://ai.paooo.com/)官网与参数卡（语宙 AI 导航）

**腾讯混元 ↗**

腾讯混元大模型是腾讯研发的具备跨领域知识和自然语言理解能力的大语言模型。

**PyTorch ↗**

PyTorch：开源的机器学习库，面向AI 开发平台场景提供便捷实用的在线功能支持，涵盖智能
工具等实用方向。

**LLaMA ↗**

Meta（Facebook）推出的AI大语言模型。

❓ 常见问题解答（FAQ）

HyOCR-1.5 适合做哪些 OCR 任务？

它面向端到端 OCR 全栈场景，支持文档解析、文本检测识别、信息抽取、拍照翻译、图表解析、
古文字识别、视频字幕提取和多页文档问答，输出可直接为 Markdown、HTML、LaTeX 或 JSON。

HyOCR-1.5 为什么推理更快？

核心原因是引入了 DFlash 投机解码：草稿模型先并行预测整块 token，再由目标模型验证
并接受最长正确前缀，在保持输出分布一致的前提下，显著降低长结构化 OCR 的解码延迟。

HyOCR-1.5 可以本地部署吗？

可以。文章给出的部署方式包括 vLLM 服务、Transformers 推理，以及通过 llama.cpp 在
CPU 或消费级 GPU 上运行，适合本地和轻量化部署场景。

🔬 语宙深潜追问 · 进阶实操拆解

1B 端到端 OCR 如何落地到生产？

优先把它接在文档解析、表格抽取、翻译等高频链路上做 A/B 测试，重点看准确率、延迟和
失败回退。生产里通常保留传统 OCR 兜底，避免长文档、低清扫描和特殊版式造成整体崩盘。

DFlash 提速适合哪些业务场景？

最适合长文档生成、批量报告解析和多页 PDF 转写这类 token 很长的任务。若你的瓶颈是
首字延迟或短文本识别，收益可能不明显；要结合缓存、分段生成和并发调度一起用，才能
吃满加速收益。

🗳️ 读者观点微投票 · 您的实战立场是？

轻量端到端 OCR，真能替代传统流水线吗？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[🐋 所属权威专题：DeepSeek 深度实战与部署 →](https://paooo.com/topics/deepseek/)

 * [腾讯混元发布 HyOCR-1.5：仅 1B 参数 推理提速 6.37 倍](https://paooo.com/aigc-news/30239/)
 * [百度千帆Qianfan-OCR震撼发布：4B参数端到端文档智能模型登顶权威评测，开源重塑OCR技术格局](https://paooo.com/aigc-news/11227/)
 * [LightOnAI发布LightOnOCR-2-1B：1B参数量超高效OCR模型，处理成本低至$0.01/千页，学术论文、复杂表格、数学公式一网打尽](https://paooo.com/ai-tool/11856/)
 * [Unlimited-OCR – 百度开源的端到端长文档 OCR 模型](https://paooo.com/aigc-news/24225/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/30140/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)