做到了!泰国团队打造的泰语文档 AI,两款模型免费开源:OpenThai 2.0 OCR

2026 年 11 月 18 日更新: OpenThai 2.1 OCR 已发布,大幅提升了对手机拍摄文档的识别,并修复了用户反馈的问题。查看新内容。本文中的 Hugging Face 链接仍然可用,会跳转到 2.1。
做到了! 泰国团队打造的泰语文档 AI,两款模型免费下载:OpenThai 2.0 OCR Markdown 与 OpenThai 2.0 OCR Text,允许商用。
是否遇到过这种情况?扫描了一叠政府文件,OCR 却把表格读成一长行,分不清哪个数字属于哪一行,最后只好一格一格重新录入。
1) OpenThai 2.0 OCR Markdown:把页面读成 Markdown,表格仍是表格。
- 65 页真实泰国政府与大学含表格文档得分 95.2(Typhoon OCR V2 2B 为 91.6)。
- 在训练完成后才发布的 339 页泰国皇家公报上,字符准确率 98.7%。
- 12 个泰语印刷文本数据集平均 90.3,在我们测试的 15 个引擎中最高。
- 单张 NVIDIA H100 每页 1.6 秒。0.63B,基于 NVIDIA Nemotron 3.5 Parse 微调。
2) OpenThai 2.0 OCR Text:仅 4 MB,无需 GPU。
- 普通 CPU 上每页 0.39 秒,8 核约每分钟 950 页。
- 可离线运行,机密文件不出本机。
- 预算文件 99.5,皇家公报 96.3(Gemini 2.5 Flash 为 81.0 与 92.6;Google Cloud Vision 为 75.0 与 87.8)。
为什么免费? 泰国政府机构、医院和企业中还有数以百万计的文档页面不能上传到境外云端。我们希望每个机构都能在自己的机器上读取它们。而任何想用自家文档搭建 AI 聊天机器人的人,第一步都是把文档读对。
坦白说: 整页手写和短词照片还不是我们的强项;在单词照片上 Typhoon OCR 仍然更好。团队正在继续改进。感谢 Typhoon 团队与我们一同提升泰语 OCR 的水平。
下载:huggingface.co/iapp/OpenThai2.0-OCR-Markdown 与 huggingface.co/iapp/OpenThai2.0-OCR-Text API:OCR Markdown API(每页 0.15 IC)与 OCR Text API(纯文本每页 0.049 IC) 完整结果、使用方法与局限:OpenThai 2.0 OCR 模型页
Built on NVIDIA Nemotron · 在 Siam AI 提供的 NVIDIA H100 GPU 上训练
