当前位置：首页 > news >正文

腾讯优图Youtu-Parsing效果展示：精准识别表格、公式、印章、手写体

news 2026/6/13 4:12:16

腾讯优图Youtu-Parsing效果展示：精准识别表格、公式、印章、手写体

1. 文档解析的新时代：告别传统OCR的局限

在数字化办公的浪潮中，我们每天都要处理大量文档——合同、发票、报告、论文...传统OCR技术只能识别简单的印刷体文字，面对复杂文档中的表格、公式、印章、手写体等元素时往往束手无策。这导致企业数字化过程中，大量有价值的信息被埋没在纸质文档中。

腾讯优图实验室推出的Youtu-Parsing多模态文档解析模型，彻底改变了这一局面。它不仅具备传统OCR的文字识别能力，更能精准识别文档中的表格、数学公式、印章、手写体等复杂元素，实现真正的"全要素解析"。

2. Youtu-Parsing的核心能力解析

2.1 全要素识别：像人眼一样"看懂"文档

Youtu-Parsing基于腾讯自研的Youtu-LLM-2B模型构建，其识别能力远超传统OCR：

表格识别：自动识别表格结构，保留行列关系，转换为HTML格式
公式解析：将数学表达式、化学方程式转为LaTeX格式
印章检测：精准定位印章位置，识别印章内容
手写体识别：即使是潦草的手写文字也能准确识别
图表理解：将数据图表转换为Markdown描述或Mermaid流程图代码

2.2 像素级定位与结构化输出

Youtu-Parsing不仅能识别内容，还能精确标注每个元素在文档中的位置坐标。这对于需要保留原始版式的应用场景特别有价值，比如：

合同比对：自动对齐新旧版本合同的差异
票据审核：验证印章位置是否符合规范
学术论文处理：保持公式与引用的对应关系

识别结果以结构化格式输出，支持：

JSON：方便程序直接调用和处理
Markdown：便于阅读和分享
HTML表格：可直接在网页中展示

3. 效果展示：真实案例解析

3.1 复杂表格识别案例

我们测试了一份包含合并单元格、多级表头的财务报表：

输入图片：

解析结果：

<table> <thead> <tr> <th colspan="3">2024年第一季度财务报表</th> </tr> <tr> <th>项目</th> <th>金额(万元)</th> <th>同比增长</th> </tr> </thead> <tbody> <tr> <td rowspan="2">营业收入</td> <td>1,250</td> <td>15.6%</td> </tr> <tr> <td>其中：产品A</td> <td>680</td> </tr> <!-- 更多行数据 --> </tbody> </table>

模型准确识别了合并单元格结构，保留了完整的表格语义。

3.2 数学公式识别案例

测试了一道高等数学题目：

输入图片：

解析结果：

设函数$f(x)$在区间$[a,b]$上连续，在$(a,b)$内可导，则存在$\xi \in (a,b)$，使得 $$ f'(\xi) = \frac{f(b)-f(a)}{b-a} $$

公式被完美转换为LaTeX格式，保持了原有的数学符号和结构。

3.3 印章与手写体混合识别案例

测试了一份带有公司印章和手写签名的合同：

输入图片：

解析结果：

{ "text_content": "本合同经双方签字盖章后生效...", "seals": [ { "position": [520, 780, 620, 880], "content": "腾讯科技有限公司公章", "confidence": 0.98 } ], "handwritings": [ { "position": [450, 800, 550, 850], "content": "张三", "confidence": 0.95 } ] }

模型不仅识别了印刷体文字，还准确提取了印章内容和手写签名。