• 首頁
  • 關於國際
  • 雲知聲Unisound U1-OCR大模型發布!首個工業級文檔智能基礎大模型,開啟OCR 3.0時代

雲知聲Unisound U1-OCR大模型發布!首個工業級文檔智能基礎大模型,開啟OCR 3.0時代

Admin
Admin 二月 26, 2026 0

北京2026年2月26日 /美通社/ — 就在剛剛,雲知聲正式推出「Unisound U1-OCR」 文檔智能基礎大模型。作為首個工業級文檔智能基座,該模型憑借 「性能 SOTA、可信可驗、開箱即用、高效部署、強適配」 五大核心優勢,打破傳統文檔處理邊界,樹立起行業新標杆。

一、技術跨越:從 OCR 2.0 邁向 3.0

文檔智能(Document Intelligence是指利用人工智能技術自動閱讀和理解文檔影像,並進行內容的讀取、理解、分類及關鍵信息提取。傳統視覺方案(OCR 1.0,以 CRNN 為代表)僅能識別文字,新一代多模態方案(OCR 2.0,以VLM為代表 )具備初步版面理解能力。而 「Unisound U1-OCR」 則正式開啟 OCR 3.0 時代——在理解版面的基礎上,進一步洞察文檔深層語義,實現自動分類與業務級信息抽取,完成了從「字符感知」到「文檔認知」的質的飛躍。

二、實力領跑:多項權威評測穩居全球第一梯隊

「Unisound U1-OCR」是一款達到國際頂尖水平(SOTA)的文檔智能理解模型,其核心優勢在於突破了傳統模型「只讀文字、不懂排版」的瓶頸,能夠像人類專家一樣「看懂」複雜文檔。為適應 OCR 3.0 時代對於文檔業務級結構化抽取的新要求,Unisound U1-OCR 采用 ViT + LLM 架構,其中視覺編碼器部分采用 NaViT 架構,實現文檔分辨率動態處理,模型參數規模 3B 量級,兼顧模型計算效率與文檔深層語義信息理解的能力要求。除此之外,模型還提出了多項創新舉措:

首先,它擁有「先懂結構,再讀內容」的智慧。傳統模型往往按順序死板閱讀,而「Unisound U1-OCR」首創了「語義驅動+動態聚焦」策略。如同人類閱讀習慣,先梳理文檔目錄、標題的層級關系,再按需提取內容。模型能自動構建文檔的「語義地圖」,精准識別標題、圖表與正文的從屬關系,即使面對排版混亂的極端場景,也能條理清晰地提取信息。

其次,它具備敏銳的「空間感知力」。通過強化空間對齊模塊,模型能充分利用文字在頁面上的位置信息,主動理解元素間的空間布局。結合動態分辨率技術,無論是密集表格還是圖文混排,它都能精准還原文檔結構,徹底解決了以往模型「張冠李戴」的空間盲區。

此外,模型采用Multi-Token Prediction(MTP)技術——在預測當前 Token時,同步考慮未來多個Token的概率分布,大幅提升長文檔邏輯連貫性。配合全任務強化學習策略,增強模型對版式結構的全局預見性並在推理階段將模型生成效率提升了80%以上。在訓練階段,采用多任務協同強化訓練方案,實現文檔結構還原、文檔分類與信息抽取的深度對齊。強化訓練策略圍繞「語義+坐標」雙目標優化,針對坐標回溯的 IoU 精度進行專項強化,有效遏制定位幻覺,確保輸出結果的物理可信度。通過多檔位分辨率擾動與Mask采樣策略,顯著提升了模型多場景文檔圖像的理解能力。

憑借這些創新,Unisound U1-OCR在多項權威測試中均獲業界SOTA表現,真正實現了從「識別文字」到「理解文檔」的跨越。

1. OmniDocBench V1.5評測SOTA

在OmniDocBench V1.5評測中,Unisound U1-OCR以95.1分取得SOTA表現(如圖1),領先GLM-OCR,Deepseek-OCR2,Gemini-3-Pro,GPT-5.2等主流模型,實現了精度與泛化能力的雙重突破。

圖1Unisound U1-OCR在OmniDocBench V1.5的評測得分對比
圖1Unisound U1-OCR在OmniDocBench V1.5的評測得分對比

2. D4LA評測SOTA

在D4LA評測中, F1 分數達 90.8,大幅領先 DocLayout-YOLO(87.3)、PP-StructureV3(86.0)。無需微調即可高精度解析學術論文、財務報表等 11 類高複雜度文檔。

3. DocLayNet評測SOTA

DocLayNet評測中,F1 分數 95.9,超越 MinerU 2.5、PP-StructureV3 等模型。在表格識別、跨頁關聯、微小文本檢測等高難任務上優勢顯著,魯棒性極強。

4. 業務相關評測SOTA

在內部業務測試,其信息抽取與文書分類能力超越 Gemini-2.5-Flash、Qwen-235B-VL 等主流通用商業和開源模型。特別是在醫療入院記錄、出院小結等強業務場景中,領先優勢尤為明顯,Unisound U1-OCR 以 3B 規模的參數獲得比更大規模通用 VLM 更好的評測性能。與較小尺寸的文檔解析任務模型相比,得益於模型多項創新舉措,在業務級信息抽取等深層語義信息理解的能力表現更好。

三、面向真實場景:4大核心能力助推U1-OCR從「讀懂」邁向「執行」

作為開  啟OCR 3.0時代的文檔智能基礎大模型,除了在通用評測中斬獲多項SOTA,Unisound U1-OCR更立足工業級場景需求,打造了四大核心能力,實現從讀懂執行的業務落地。

1. 可信可查:精准溯源,結果可驗

模型獨創「坐標-文本-語義」融合架構,實現像素級精准定位與完整證據鏈構建。在完成信息抽取的同時,系統精准標示信息在文檔中的來源位置,使結果審核過程全透明、可追溯,從技術層面保障文檔處理結果的可信度,徹底解決傳統文檔處理「結果不可驗」的行業難題。

例如,在企業審核場景中,審核人員無需大海撈針般翻閱原文,點擊抽取結果即可實時高亮定位原始位置。這種「人機協同」的閉環將審核耗時縮短至秒級,讓人工漏檢率降至最低,真正實現了「可信任的AI」。

2. 業務融合:開箱即用,Agent Ready

通用OCR工具在專業領域存在局限——例如醫保結算單中「自付一」「自付二」與「個人自費」的邏輯關系,或合同中金額大小寫的校驗規則,都需要領域知識支撐。

Unisound U1-OCR在基礎模型之上,融入了雲知聲在醫療、金融等領域的行業知識積累,模型可基於業務邏輯進行多字段關聯校驗。在內部業務測試中,面向50餘種常見業務文書的分類准確率超過99%。

3. 高效部署,安全可控

模型深度支持私有化與離線部署,可在無外網環境下穩定運行,完美匹配政務、醫療、金融等高安全等級行業的數據隱私保護需求。同時,通過版面級並行解碼與多Token預測架構等優化措施,一份十多頁的文檔,整理處理可在數秒內完成,高效的文檔處理能力,讓工業級文檔智能能力觸手可及。

4. 超強適配,攻克複雜場景

針對企業實際業務中遇到的非標准拍照、文檔彎折模糊、複雜花式排版、多語言混排等各類極端複雜文檔場景,Unisound U1-OCR仍能保持穩定、高精度的處理表現,徹底擺脫傳統技術對標准化文檔的依賴,真正適配企業真實業務的全場景需求。

關於國際

查看更多
玩具”反”斗城領航「玩樂復興」 推動下一代走出螢幕 重拾實體互動快樂童年

台北2026年9月1日 /美通社/ — 「下一代應該要花更多時間去親身體驗生活,而非長時間低頭觀看別人的網上動態。」隨著在數碼世代成長的一代面對越來越多心理健康挑戰,社會各界日益關注社交媒體對年輕群體的影響,國際間類似的呼聲更日益增加。全球多地政府亦相繼加強規管青少年使用手機及社交平台,部分國家更醞釀立法,嚴格限制未成年人上網行為。 例如英國計劃明年跟隨澳洲、巴西、印尼及馬來西亞步伐,全面禁止16歲以下青少年使用社交媒體;法國、希臘等地亦積極研究類似措施。面對網絡成癮和青少年心理健康問題浮現,社會討論焦點早已由「應否限時上網」,轉向更根本的提問:「我們希望下一代擁有怎樣的童年?」以及「誰能為他們帶來真正離線的成長體驗?」。 重拾童年 回歸真實生活 在現今數碼主導的社會,我們不僅需要思考年輕一代花在網上的時間,更重要是鼓勵他們多參與實體遊戲、親身探索世界、學習建立真實人際關係,助他們重新發掘成長、學習和交流的樂趣。隨着螢幕在孩童及青少年生活中的主導地位逐漸減弱,能夠觸摸、創造與分享的實體玩具重新走入他們的視野,也將成為他們健康成長不可或缺的重要養分。 玩具“反”斗城亞洲署理聯席首席執行官梅象年深信︰「螢幕永遠無法取代實體玩樂所帶來的快樂和滿足感。親手參與、探索和互動,才能真正激發潛能、建立自信。」 玩具”反”斗城亞洲署理聯席首席執行官梅象年表示:「這波社交媒體限制,對社會而言是一次正面轉變。無論是小朋友、家長抑或Kidult,我們都致力為他們提供有意義的玩樂選擇。因為玩樂不單止是娛樂,更是啟發創意、促進社交甚至情感連結的重要橋樑。」 他補充:「螢幕永遠無法取代實體玩樂所帶來的快樂和滿足感。親手參與、動手創作、探索和互動,才能真正激發潛能、培養抗壓能力及建立自信。」 過去三年,玩具”反”斗城亞洲以「玩趣生活 (Live Toyful)」為品牌理念,積極推動將玩樂融入日常,不再視之為偶爾獎勵。正如越來越多家庭感受到,在「永遠在線」的時代,能夠真正「離線」、與家人朋友共同相處現在變得格外珍貴。 玩樂無界 全齡共享 近年全齡玩樂熱潮席捲亞洲,多股旋風成為各個年齡層的回憶。經典玩具如戰鬥陀螺,雖已經推出逾20年,但人氣依然高企,部分市場銷售額更錄得數倍增長。週末的戰鬥陀螺比賽現場墟冚、擠滿玩家,玩具店開舖前已有人潮排隊,產品經常瞬即售罄。這股熱潮既牽動懷舊情懷,更是家長與子女一同體驗玩樂樂趣的印證。梅象年指出:「我們的戰鬥陀螺比賽現場,經常見到9歲小朋友與39歲大人同場較量、鬥智鬥力,正好體現玩樂如何跨越世代,成為共同語言。」 戰鬥陀螺熱潮橫跨不同年齡層,把日常空間變成充滿活力的競技場,讓家庭成員透過玩樂比拼建立聯繫,促進跨代交流,同時締造珍貴回憶。   戰鬥陀螺熱潮橫跨不同年齡層,把日常空間變成充滿活力的競技場,讓家庭成員透過玩樂比拼建立聯繫,促進跨代交流,同時締造珍貴回憶。 這一跨世代的玩樂熱潮在集換式卡牌遊戲上同樣突出,特別是寶可夢集換式卡牌遊戲。近年亞洲各大城市每逢到新卡發售日,總有大量成年人一早在卡牌店外排隊,與小時候喜愛的角色重聚的同時,亦陪伴子女一同對戰。對很多寶可夢訓練員而言,最吸引之處不在遊戲本身,而是一同選購、拆包、組牌、交換及與家人朋友對戰的過程。大家可以暫時放下手上的電子產品,圍在桌前,全情投入遊戲世界,共享難得的實體互動交流。 寶可夢集換式卡牌遊戲非常受亞洲家庭歡迎,一家大小圍在桌前對戰,令簡單的遊戲過程成為家人之間的珍貴時刻,進一步拉近彼此距離,促進跨代交流。 盲盒的流行,也體現新世代玩樂文化中對未知和驚喜的追求。對青少年甚至kidults來說,拆盲盒時的期待與揭曉時的驚喜,這些即時刺激多了一份可收藏、可交流、可分享的實體價值,令這份快樂更獨一無二。當父母和子女一同拆盲盒,互相討論分享,這簡單舉動即時變成真實的親子交流,絕非各自「碌電話」所能比擬。 跨世代的玩樂魅力亦躍升為文化娛樂紐帶。例如正在全球熱映的迪士尼動畫《玩具總動員5》,不少父母帶同子女,甚至一家三代入場,除了一同重溫童年回憶,更與家人共創全新經歷。玩具零售商乘勢推出的聯乘活動及獨家精品,更會圍繞這些共鳴故事,讓不同年齡層的家庭透過共同參與玩樂活動,重新拉近距離,增強彼此交流。 零售新思維 構建玩樂空間 面對新消費模式和數碼生活的轉變,亞洲各地的玩具及生活品牌正重新定義「玩具店」的角色。小型、多元靈活的門店模式逐漸普及,有些店舖面積甚至不到傳統玩具店的五分之一,卻已成為嶄新社區玩樂據點,貼地服務本地街坊。例如 TOMICA BRAND STORE進駐多個城市、東南亞首間 TOMICA FACTORY落戶馬來西亞、 Pokémon Play Lab 進駐香港等,均標誌玩樂空間越趨向推動沉浸式、互動式體驗,讓大人小朋友均可盡情探索、創作及一同玩樂。 TOMICA BRAND STORE 及TOMICA FACTORY在亞洲各地為車迷帶來嶄新體驗,顧客可以親手組裝屬於自己的獨一無二的合金小車,既能展現個人風格,更加強身份認同感。   TOMICA BRAND STORE 及TOMICA FACTORY在亞洲各地為車迷帶來嶄新體驗,顧客可以親手組裝屬於自己的獨一無二的合金小車,既能展現個人風格,更加強身份認同感。 在此新格局下,玩具”反”斗城亞洲正逐步將店舖定位由「買完即走」的購物點,轉型為涵蓋玩樂、收藏、潮流及手作創意的新型社區空間。品牌重點不再單純推銷產品,而是在實體空間及日常生活中,預留更多位置予真實、有形的共享玩樂,讓這份樂趣有望能部分取代年輕一代沉迷網絡的時間。隨著社會開始重新思考科技在年輕一代生活中的角色,梅象年期望,當手機通知靜下來之時,「城中會有一個熟悉、玩趣的空間,讓大人小朋友、kidults相聚,一齊玩陀螺、拆盲盒、玩卡牌,單純地享受玩樂,重拾快樂本質。」 關於玩具“反“斗城亞洲 玩具”反”斗城亞洲的願景是通過玩具和玩樂的力量激發下一代的想像力,並促進他們的成長。在其品牌承諾「Live Toyful 玩趣生活」的引領下,致力將玩樂成為一種適合全年齡的生活方式,鼓勵兒童、童心未泯的成年人及家庭每日探索、發揮想像,並盡享玩樂帶來的無窮喜悅。 玩具”反”斗城亞洲總部位於香港,在中國內地、日本、馬來西亞、香港、新加坡、台灣、泰國和汶萊經營約 450 間門店,並在菲律賓和澳門設有超過90間再授特許店,同時在各市場擁有領先的電子商務平台及網上商店。 Toys”R”Us Asia (Holding) Limited是一家獨立法律實體,其營運獨立於且與全球任何其他玩具”反”斗城品牌公司均無關聯。

Admin 九月 1, 2026 0

大自然保護協會探索基於自然的解決方案,應對氣候影響,支持經濟韌性與長期發展

YY Group正式更名為YYForce:深化人工智能、自動化與人機協同用工戰略

創業拓展香港市場第一步 選對 .hk 域名 建立專業網上身份

2026中國國際大數據產業博覽會在貴陽開幕

中國貴陽2026年8月29日 /美通社/ — 這是一篇來自《貴州日報》的新聞報道‌: China International Big Data Industry Expo 2026 opens in Guiyang 2026中國國際大數據產業博覽會(簡稱「數博會」)於8月28日在中國西南部貴州省省會貴陽正式啟幕。作為在國家層面上具有影響力的數字產業盛會,該博覽會已經發展成為全球大數據領域技術交流、產業對接與創新成果轉化的核心平台。本屆數博會以「詞元——數據要素價值釋放新路徑」為主題,圍繞算力基座、數據供給、模型驅動、安全護航、智能體驗五大核心主題板塊打造,匯聚來自國內外的300餘家優質參展商,覆蓋人工智能、雲計算、數據安全、數字應用等多個領域。 在國內產業協作層面,本屆數博會聯動4個特色產業園區舉辦精準化的專項貿易對接會,旨在精準打通產業鏈上下游資源。與此同時,本屆數博會還與30餘家海外企業合作開展系列跨境交流對接活動,進一步推動大數據領域的國際合作、資源共享與業務拓展。 作為數博會的永久舉辦地,貴陽及毗鄰的貴安新區長期深耕大數據產業,致力於打造世界級數字產業集群。截至目前,該區域已集聚26個大型及以上數據中心,總算力規模突破174 EFLOPS;智能算力占總算力比重超過98%,當地數據中心平均電源使用效率(PUE)低至1.19,在全國數字基礎設施建設中展現出突出的效率與綠色低碳運營優勢。在蓬勃發展的大數據產業集群帶動下,該區域軟件和信息技術服務業營收突破千億元,穩步邁入千億級產業發展階段,為中國數字經濟持續高質量發展築牢堅實基礎。

Admin 八月 29, 2026 0

復星國際:旗下地中海度假集團擬在香港上市 2030年將實現全球85家度假村佈局

KLN收入及核心純利錄得持續增長

eSign.AI 完成 SOC 2 Type II 鑒證,強化全球數字交易信任

跨越山海結良緣 30對伴侶武夷山水見證

武夷山市2026年8月27日 /美通社/ — 8月19日,七夕佳節,「福遇良緣 武夷和鳴」集體婚禮在福建武夷山浪漫舉辦。30對伴侶齊聚武夷山水,兩岸數百位親友到場見證。活動以山水為媒、文化為魂,深化閩台民間情誼。 本次活動打造「三代同堂、三喜同台」的溫情場景——新婚朝氣、五載恩愛、白頭相守,三代伴侶同台亮相。台灣新郎說:「看那些白髮阿公阿嬤還能這樣牽手,突然覺得,婚姻不是童話,是每天一起吃飯、一起走路,走了幾十年。」婚齡四十年的長輩分享彼此體諒、包容相守的樸實智慧,引發強烈共鳴。 婚禮復刻八百年朱子婚禮禮制,呈現以茶定聘、合巹同心、結髮盟誓、誦讀家訓等傳統儀式。深耕武夷山「以茶為聘」千年民俗,取「茶不移本、植必子生」寓意,象徵婚姻忠貞不渝。現場以大紅袍為聘禮,踐行重心意、輕財物理念,伴侶們齊聲誦讀《朱子家訓》,這份家訓成了最特別的「精神嫁妝」。 伴侶們登臨九曲溪竹筏,在大王峰、玉女峰環抱中定格美好。現場同步舉辦閩台文創展,「閩小萸」「台小豆」兩岸特色IP及大漆文創、漆畫伴手禮亮相,盡顯閩台同源文化魅力。有新娘笑說:「本來以為走個過場,結果玩到不想走。」 夜幕降臨,七夕篝火晚會啟幕。「岩茶三敬」儀式中,伴侶們依次敬家國、敬良緣、敬親友。全場來賓圍坐共敘溫情,傳遞相守與團圓的真諦。一對閩台新婚伴侶說:「武夷山水見證愛情,兩岸親情溫暖家庭。」 這場婚禮,沒有鋪張排場,卻有最厚重的文化底蘊;沒有高昂聘金,卻有最真摯的承諾。千年之前朱熹在此講學,千年之後閩台青年在此攜手,用一場婚禮告訴世界:最美的成全,是跨越山海,依然選擇彼此。

Admin 八月 28, 2026 0

Global X ETFs 聯同Citi(花旗)及 OSL推出全港首隻代幣化備兌認購期權ETF

MiniMax發佈2026年中期業績

均勝電子 2026 上半年歸母淨利潤 7.4 億元

0 Comments