DEV Community
·
Docling新款“SmolDocling-256M”震撼登场
内容提要
SmolDocling-256M-preview是一个多模态图像文本转文本模型，支持高效文档转换，具备OCR、代码识别、公式和图表识别功能，兼容Docling文档，推理速度快。
关键要点
-
SmolDocling-256M-preview是一个多模态图像文本转文本模型，旨在高效文档转换。
-
该模型保留了Docling的热门功能，并与Docling文档完全兼容。
-
引入DocTags以实现高效的文档标记。
-
具备OCR（光学字符识别）功能，能够准确提取图像中的文本。
-
支持文档结构和元素边界框的布局和定位。
-
能够识别和格式化代码块，包括缩进。
-
识别和处理数学表达式的公式识别功能。
-
提取和解释图表数据的图表识别功能。
-
支持结构化表格提取的表格识别功能。
-
区分图形和图形元素的图形分类功能。
-
将标题与相关图像和图形链接的标题对应功能。
-
正确组织和结构化列表元素的列表分组功能。
-
处理整个页面的全面文档转换，包括所有页面元素（代码、方程、表格、图表等）。
-
使用边界框进行OCR区域识别。
-
经过训练以处理科学和非科学文档的一般文档处理功能。
-
无缝集成Docling，支持多种格式的导入和导出。
-
在A100 GPU上平均每页推理速度为0.35秒。
-
即将推出更好的图表识别和化学识别功能。
-
支持单次多页推理。
延伸解读
多模态模型的优势
SmolDocling-256M-preview作为多模态图像文本转文本模型，结合了OCR、代码和公式识别等功能，能够高效处理各种文档。这使得它在学术研究、技术文档和商业报告等领域具有广泛的应用潜力，尤其是在需要快速转换和提取信息的场景中。
推理速度与性能
该模型在A100 GPU上平均每页推理速度为0.35秒，显示出其高效的处理能力。这对于需要处理大量文档的用户来说，能够显著提高工作效率。然而，用户在使用时仍需考虑硬件配置对性能的影响，确保能够充分发挥模型的优势。
即将推出的新功能
SmolDocling-256M-preview即将推出更好的图表识别和化学识别功能，这将进一步增强其在科学和技术文档处理中的应用能力。用户应关注这些更新，以便及时利用新功能提升工作效率。
延伸问答
SmolDocling-256M的主要功能是什么？
SmolDocling-256M是一个多模态图像文本转文本模型，支持高效文档转换，具备OCR、代码识别、公式和图表识别等功能。
SmolDocling-256M如何处理图像中的文本？
该模型使用OCR（光学字符识别）功能，能够准确提取图像中的文本。
SmolDocling-256M与Docling文档的兼容性如何？
SmolDocling-256M与Docling文档完全兼容，支持无缝集成。
SmolDocling-256M的推理速度是多少？
在A100 GPU上，SmolDocling-256M的平均推理速度为每页0.35秒。
SmolDocling-256M支持哪些文档元素的识别？
该模型支持代码块、数学公式、图表和结构化表格等文档元素的识别。
SmolDocling-256M的未来功能有哪些？
即将推出更好的图表识别和化学识别功能，以及单次多页推理能力。
