TeleOCR – 中国电信星辰实验室开源文档解析视觉模型

TeleOCR 是中国电信星辰实验室推出的开源文档解析视觉模型，总参数量约 1.2B，原生集成文档畸变矫正能力，无需额外预处理模块，直接处理拍摄形变文档、扫描件与电子 PDF 页面。模型在 OmniDocBench、PureDocBench 榜单取得靠前成绩，在 ICDAR 2026 科学图表解析竞赛拿到冠军，对表格、公式、科研图表的识别表现突出。普通消费级显卡即可完成本地推理，代码与权重全部开放，适合开发者搭建轻量化文档识别服务，处理各类存在褶皱、弯曲、倾斜的实拍文档图片。

TeleOCR特点

内置几何畸变自适应处理逻辑，应对纸张弯曲、折痕、拍摄倾斜带来的画面形变。

采用版面分割方案替代传统矩形框检测，适配不规则文档版面。

参数量控制在较低水平，硬件门槛不高，普通 GPU 即可加载运行。

科学类文档识别能力突出，可提取复杂公式、图表内的数值与文本信息。

输出支持多种结构化格式，保留文档原有排版逻辑。

项目完整开源，权重、推理代码、评测脚本对外公开，可二次修改。

TeleOCR技术原理

基于 Qwen2.5-VL 高分辨率视觉编码器，搭配 Qwen3-0.6B 轻量解码器构建模型主体。

视觉编码阶段对图像做自适应采样，形变明显区域提升采样点密度，平整区域降低采样开销。

训练数据集包含大量实拍文档、弯曲纸张、学术论文、扫描档案，学习形变图像、版面布局、公式图表之间的视觉特征映射。

推理阶段同步完成版面分割、文字识别、表格解析、图表信息提取，多任务在单次前向推理内完成。

TeleOCR项目地址

• GitHub仓库：https://github.com/caipeng328/TeleOCR
• HuggingFace模型库：https://www.modelscope.cn/models/XingChen-AGI/TeleOCR

TeleOCR功能

印刷体文字识别，读取实拍照片、扫描件、电子文档中的文本内容。

版面结构还原，识别标题、段落、表格区块，保留文档原始排版。表格提取，把图片内表格转为结构化文本，还原行列关系。

公式识别，提取科研文档里的数学公式，输出可复用的公式标记。

图表解析，读取各类科研图表，提取坐标轴、图例与数据点信息。

批量文档处理，批量上传图片文件，一次性输出解析结果。

TeleOCR应用场景

档案数字化项目，把老旧纸质档案拍照后批量转成结构化电子文档。

科研文献处理，提取论文中的文字、表格、公式，用于文献整理。

企业票据与合同电子化，识别拍摄后的合同、单据图片，提取关键内容。

图书馆资料数字化，处理存在褶皱、反光的古籍、期刊扫描照片。

开发者构建私有化文档解析服务，部署在内网环境处理涉密文档。

教育平台处理试卷、习题图片，提取题目文本与图表数据。

TeleOCR如何使用

前往 TeleOCR 开源项目仓库，下载模型权重与项目代码，配置 Python 运行环境，安装项目依赖包。准备待处理图片，支持 jpg、png 等常见图像格式，直接传入推理脚本。

单张图片测试，运行推理脚本，传入图片路径，模型输出识别文本、版面信息、表格与公式内容。批量任务编写简单脚本循环读取图片目录，批量执行解析并保存结果文件。

本地部署可搭配 vLLM 加速推理，提升图片处理速度。二次开发可基于项目代码修改后处理逻辑，自定义输出格式。

业务落地阶段，收集项目场景内的样本做测试，针对特定文档类型调整图像输入分辨率。内网部署场景，可脱离公网完成全部文档解析，保障资料安全。

TeleOCR同类产品对比

表格