Modelo compacto de Baidu, de 0,9B de parámetros, que analiza documentos en imagen y reconoce texto, tablas, fórmulas y gráficos en 109 idiomas.
Según Baidu, alcanza resultados punteros en el análisis de páginas completas y de elementos sueltos, y supera a las soluciones por etapas manteniéndose competitivo con grandes modelos de visión y lenguaje.
Pesos abiertos en Hugging Face con licencia Apache 2.0, código en GitHub (PaddleOCR) y demo en Hugging Face Spaces y en Baidu AI Studio. Le siguen PaddleOCR-VL-1.5 y PaddleOCR-VL-1.6, que tienen su propia ficha en Modelos al día.
Codificador visual de resolución dinámica y modelo de lenguaje ERNIE-4.5-0.3B; trabaja junto al modelo de maquetación PP-DocLayoutV2 para detectar el orden de lectura. Reconoce 109 idiomas.
