中科大与小红书开源dots.mocr：SOTA OCR模型完美还原文档结构

面对海量文档中复杂的图表、表格和多语言内容，传统 OCR 技术往往力不从心。核心问题在于，传统方案能力大多局限在文本识别，遇到图表、公式、UI 布局等复杂视觉元素时，常简单粗暴地裁成图片。结果文档结构被拆散，关键语义关系丢失，无法高质量提取信息和重建内容。

针对这一痛点，华中科技大学和小红书 hi lab 联合开源了新工具——dots.mocr。其思路截然不同：将文档中的文字、图表、表格等所有视觉元素统一解析为结构化数据。更强大的是，它能直接将图形转换为可编辑的 SVG 代码。这使文档理解的深度和广度大幅提升，在处理复杂文档的自动化流程上已达到行业领先水平。

目前，HyperAI 官网（hyper.ai）的教程版块已上线「dots.mocr 多模态文档解析教程」，用户可在线体验这一全新文档解析范式。

demo 运行

1. 进入 hyper.ai 首页后，选择「教程」页面，或点击「查看更多教程」，找到「dots.mocr 多模态文档解析教程」，点击「在线运行此教程」。

2. 页面跳转后，点击右上角的「Clone」，将教程克隆到自己的容器中。

注：页面右上角支持切换语言，提供中文和英文两种选择，下面以英文版为例展示操作步骤。

3. 选择「NVIDIA GeForce RTX 5090」以及「PyTorch」镜像，然后根据需求选择「Pay As You Go（按量付费）」或「Daily Plan/Weekly Plan/Monthly Plan（包日/周/月）」，点击「Continue job execution（继续执行）」。

4. 等待分配资源，当状态变为「Running（运行中）」后，点击「Open Workspace」进入 Jupyter Workspace。

效果演示

1. 页面跳转后，点击左侧的 README 页面，进入后点击上方的 Run（运行）。

2. 待运行完成，点击右侧的 API 地址跳转至 demo 页面。

成果展示