README

SoMark｜OXR

采用RSI训练，精度与速度双 SOTA 的开源文档解析模型

---

让文档成为 Agent-Friendly 数据

🌐 Online Demo ｜ 🔥 🆓 Free API ｜ ❓ 常见问题

         !arXiv | Coming Soon

English · 简体中文



OXR（Optical Everything Recognition）是 SoMark 团队开源的SOTA文档解析模型，参数量1.3B，可将 PDF 和文档图片解析为 Agent-Friendly 数据（Markdown / JSON），并提供版面分析结果。

OXR从零开始预训练（Pretrained from Scratch），并在后训练阶段首次引入面向文档解析的递归自我改进（RSI）训练范式。在全球三大基准 OmniDocBench、olmOCR-Bench 和 DocParsingBench 测试中，OXR 均位列第一，同时解析速度也达到业内领先水平。

在架构设计上，OXR 首次将版面分析模块设计为独立、可插拔模块。在提升解析效率的同时，也让业务适配更加灵活。用户可根据业务对文档结构的要求，用自有模型替换内置的版面分析模型，以最小成本实现多场景适配。

!

!

---

 如果这个项目对你有帮助，请点击右上角 ⭐ Star 支持一下，这是对开发者最大的鼓励！



 Why OXR？

- 🎯 高精度解析，全球三榜第一

  - 在全球三大基准 OmniDocBench、olmOCR-Bench 和 DocParsingBench 测试中，OXR 均位列第一🏆，其中表格解析子项的优势尤为突出。
  - OXR 可识别公式、表格、化学方程式、化学结构式和代码块等 13 类文档元素，并提供对应的版面坐标；面对 A3 试卷、报纸等复杂版面，以及竖排文字和手写内容，也能保持良好解析效果。
  - 可前往 docs/benchmark.md 中查阅完整数值并复现评测结果。
- 🚀 1.3B 参数，解析速度领先

  - OXR 仅 1.3B 参数，在 RTX PRO 6000 上的速度测试中位居开源文档解析模型第一🏆。
  - OXR 在任务层面重构了工作架构，实现在保持精度的同时解析速度的提升。
  - 可前往 docs/benchmark.md 中查阅完整数值并复现评测结果。
- 🧩 可插拔版面分析模块，按业务需求灵活替换

  - 版面分析一直是各个领域文档发生差异最大的模块。即使是同一份文档，不同业务对于元素类别、区域边界、内容分组的定义都会有所差异。
  - OXR 首次将版面分析设计为独立、可插拔模块。用户可以直接使用内置模型，也可以根据业务要求接入自有模型，再继续使用 OXR 的内容识别与阅读顺序判断能力，以最小成本实现多场景适配。
  - 可在下方“How it works”章节了解详情



展开查看13种组件

| 中文名称 | 英文名称 | JSON 类别值（type） | 内容或输出格式 |
|-|-|-|-|
| 图注／表注 | Caption | Caption | 纯文本 |
| 脚注 | Footnote | Footnote | 纯文本 |
| 公式 | Formula | Formula | LaTeX |
| 正文文本 | Text | Text | 纯文本 |
| 页脚 | Footer | Page-footer | 纯文本（默认过滤） |
| 页眉 | Header | Page-header | 纯文本（默认过滤） |
| 图片／图形 | Figure | Picture | 图片 |
| 标题 | Title | Title | 纯文本 |
| 表格 | Table | Table | HTML／Markdown |
| 印章 | Stamp | Stamp | 纯文本／图片 |
| 化学方程式 | Chemical Equation | Chemical Equation | LaTeX（以 \ce 开头，mhchem 语法） |
| 代码块 | Code Block | Code Block | Markdown 代码块 |
| 化学结构式 | Chemical Structure | Chemical Structure | SMILES／图片 |





 效果展示

动图展示了 OXR 的解析过程。

!OXR解析动图示例

下方展示不同文档类型的 OXR 解析示例，点击图片可查看原图。


  
    A3试卷
    中文手写
    代码块
  
  
    化学方程式
    化学结构式
    复杂公式
  
  
    复杂表格
    学术论文
    报纸
  
  
    研报
    简历
    英文手写
  


 How it works



 技术架构

本系统分为Layout Analysis模型和OXR两个模型，我们将Reading Order并入了Recognition阶段，并且发生在同一个模型上。这样的设计对于速度、效果都更加有效。

且如此设计还有一个特别的目的，方便定制。我们发现Layout Analysis一直是各个领域文档发生差异最大的模块，文档解析服务商通常在提供服务时，这一部分是最需要定制开发的。而现在的文档解析工具要么将其交给Recognition模型承担，要么设计特殊模型带上Reading Order任务。我们如此设计实现了最简洁的Layout Analysis接入方式，任何Layout Analysis模型都可以和OXR模型工作的很好。

!



 RSI 闭环提升

对于文档解析这样一个有“标准答案”的任务，我们一直期待有一套工程系统能够帮助核心模型自我提升。OXR的RSI方案如下图所示。对于错样本、弱样本，这套RSI方案可以针对性的进行优化和提升，无需人类参与标注，这让我们的迭代速度空前的快。

!



 Quick Start



 0. 🔥 🆓 Free API

OXR 提供免费 API，无需注册或申请 API 密钥，即可用自己的文档测试解析效果。

我们将持续提供免费API服务，直至我们的服务器顶不住压力。

⚠️ 注意：不建议将 Free OXR API 用于线上环境，我们没有稳定性保证，也设置了排队机制，速率略有浮动

| Online Demo | https://free-oxr.somark.ai | https://free-oxr.somark.cn |
|-|-|-|
| API地址 | https://free-oxr.somark.ai/api/v1 | https://free-oxr.somark.cn/api/v1 |
| 对接文档 | https://docs.somark.ai/api-reference | https://docs.somark.cn/api-reference |

 somark.cn是somark.ai的镜像源地址，可以根据所在地区自行选择

OXR 系统的 文档解析 AP

Top issues