OXR-1.0

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

[](https://github.com/SoMarkAI/OXR) [](https://huggingface.co/SoMarkAI/OXR-1.0) [](https://modelscope.cn/models/SoMark/OXR-1.0)

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?

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。

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

• 🔥 🆓 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 API 接口和 SoMark 官方的文档解析 API 接口兼容，所以你可以直接使用somark-py、somark-js这些SoMark官方文档解析 CLI 工具替换 **Base URL** 后直接使用。支持的接口和输出格式见 1.4。

• 本地启动

• 1 下载代码和模型

模型 下载链接 精度 是否带版面分析小模型

• - - -

OXR-1.0 🤗 Hugging Face 🤖 ModelScope BF16 是，在layout analysis文件夹中

先获取代码并准备模型下载环境：

• 2 启动服务

• 2.1 Docker 启动（推荐）

推荐使用docker配置服务，一次性启动所有服务。

等待启动日志显示服务就绪后，打开 http://localhost:8000/demo 或 http://localhost:8000/docs 。

首次启动可能较慢，默认启动等待上限为 900 秒。

更多高级参数和使用示例，可以前往 How to use OXR 了解。

• 2.2 源码启动

完成代码和模型下载后，分别启动以下三个服务。各服务使用独立的进程和虚拟环境，所有命令均在 OXR 仓库根目录执行。文档解析 API 服务依赖于 OXR 模型和 Layout Analysis 模型这两个服务，因此启动顺序上，需要先启动两个模型服务API。

OXR 模型服务（端口 8080）**

OXR 支持 vLLM，但当前 vLLM 官方还未支持OXR模型推理，我们在Huggingface权重文件夹中提供了 out-of-tree 的 plugin 以及加载脚本，无需重新编译，可以在 vLLM 官方 docker 或 CLI 中直接用 plugin 启动。

Layout Analysis 模型服务（端口 8081）**

Layout Analysis 模型权重包含在前面下载的 OXR 模型权重文件夹中。

文档解析 API（端口 8000）**

把项目中提供的 config.example.yaml 复制一份为 config.yaml ，将前面两个启动好的服务地址填写在 layout analyze model 和 oxr model 的 url 参数中。

三个服务启动后，Demo 和解析接口的使用方式与 Docker 启动相同，见 1.3 和 1.4。

• 3 打开可视化 Demo

打开 http://localhost:8000/demo ，上传 PDF 或图片，可查看原文件、Markdown 预览、源码、版面框与阅读顺序，并下载 Markdown。

Demo 使用临时文件缓存，默认有效期为 1 小时，处理期间会续期。缓存过期或被清理后无法继续访问，需及时下载结果。

• 4 请求解析

OXR 的 API 与 SoMark API 兼容，部分特殊能力 OXR 不支持，但 SoMark 的生态完全支持部署的 OXR 服务。可以前往 SoMark 官网 参考：API 接口文档。

直接访问解析接口：

SoMark 为解析业务封装了完善的 CLI & SDK，并提供了 python 和 js 两种语言的支持。本 OXR 项目兼容该 CLI 和 SDK 的文档解析接口，可以直接替换baseURL后使用。更多信息可以查阅该文档：https://docs.somark.ai/en/cli-sdk

生态支持

SoMark 团队围绕文档解析工作开发了一系列生态工具，如果能够提供到帮助，请帮忙点一个 ⭐ Star。

一句话简介 项目地址

• - -

SoMarkDown SoMark、OXR 官方的 Markdown 解析与渲染库 https://github.com/SoMarkAI/SoMarkDown

SoMarkDownViewer SoMarkDown 的实时编辑应用 https://github.com/SoMarkAI/SoMarkDownViewer

SoPDF 高性能、宽松开源许可的 PDF 处理库 https://github.com/SoMarkAI/SoPDF

Docision 面向文档场景的多模态Jev https://github.com/SoMarkAI/docision

somark-py 服务SoMark、OXR的官方Python SDK & CLI https://github.com/SoMarkAI/somark-py

somark-js 服务SoMark、OXR的官方JS / TS SDK & CLI https://github.com/SoMarkAI/somark-js

引用

当前可引用 OXR-1.0 开源项目，技术报告发布后再补充论文引用。

License

OXR 采用 OXR Open Source License，基于 Apache 2.0 的自定义许可证，附带额外条款。

如果您需要更进一步的服务，可联系SoMark团队→somark.ai

社区

欢迎加入 OXR 社区，交流文档解析实践、反馈使用问题，获取最新动态。

Discord — 交流 OXR 使用经验、讨论技术问题，分享你正在做的项目。

X / Twitter — 关注 OXR 版本发布与 SoMark 最新动态。

LinkedIn — 关注 SoMark 公司动态与产品更新。

GitHub Issues — 提交问题、提出功能建议，跟进处理进展。

• *微信** — 扫描下方二维码，关注 SoMark 微信公众号，或加入 OXR 微信交流群，与其他用户交流实践心得。

微信公众号 微信交流群

:---: :---: