TeleOCR – 中国电信星辰实验室推出的开源文档解析模型

TeleOCR是中国电信星辰实验室于2026年9月推出的开源文档解析模型，主要用于把数字文档与拍摄文档统一转为结构化结果，支持文字、版面、表格、公式与科学图解析，适用于合同与票据数字化、论文与报告解析以及扫描件归档场景。

TeleOCR 的核心能力

此前的文档解析模型大多面向数字文档或拍摄文档中的单一一类，拍摄场景通常还需要先经过去畸变预处理。TeleOCR 把两类场景收进同一框架，并以约 1.2B 的参数规模维持可部署性。对需要处理 自然语言处理 下游任务的团队而言，解析结果能否直接进入检索与结构化管线，比单项指标更重要。

数字文档与拍摄文档统一解析

模型对两类输入使用同一套权重：数字文档走标准版面解析，拍摄文档则由几何感知建模直接处理透视与弯曲形变，无需额外的去畸变模块或独立矫正模型。官方在公开的 DocUNet 与 DIR300 形变数据集上做了版面可视化评估，展示其在未做预处理的情况下仍可完成版面与内容解析。在面向拍摄文档的 Wild_OmniDocBench 上，其总分为 88.53，高于 OvisOCR2 的 87.91、PaddleOCR-VL-1.6 的 87.36 与 MinerU2.5-Pro 的 87.33。

表格与公式的内容结构解耦

表格与公式长期是文档解析的主要失分点，原因在于内容与结构被同一分支处理。TeleOCR 采用内容与结构解耦的学习方式，把两者分开建模。在 OmniDocBench v1.6 上，其表格解析 TEDS 为 97.05、带结构的表格 TEDS-S 为 98.52，公式 CDM 为 96.36；文本编辑距离为 0.027。整体总分为 96.87，在该榜单上排名第一，高于 OvisOCR2 的 96.58、PaddleOCR-VL-1.6 的 96.33 与 MinerU2.5-Pro 的 95.75。

科学图解析与竞赛成绩

科学图解析涉及图表元素识别、数据提取与逻辑理解，模型在此方向做了专项优化。在文档领域的 ICDAR-2026 科学图解析挑战赛 Sci-ImageMiner 中，TeleOCR 以加权总分 41.81 获得第一名，其中 RMS 为 17.23、TEDS 为 66.39，领先第二名 VLMinators 的 40.80。

训练方法与数据构造

数据侧通过多节点共识投票（MCV）自动生成伪标签，并以图像到图像的自验证完成数据精炼；几何建模环节引入曲率引导的 Douglas-Peucker 采样（CGDP）。训练侧采用渐进式四阶段流程，逐步提升解析难度。这些方法共同支撑了模型在数字与拍摄两类文档上的稳定性，官方技术报告已在 arXiv 公开。

轻量部署与社区生态

约 1.2B 的体量使其可在单卡环境部署，并能以 llama.cpp 等推理后端运行。社区已提供 GGUF 转换版本与 llama.cpp 支持，也有用户分享了在昇腾 910B 上的部署经验。官方同时开放了在线文档解析体验入口，便于在接入前评估实际效果。

TeleOCR 与同类文档解析模型的对比

上表数值均取自官方模型卡公布的 OmniDocBench v1.6 与 Wild_OmniDocBench 评测结果。四款模型的总分区间集中在 95.75 至 96.87，差距并不悬殊，分项差异更能说明取舍：TeleOCR 在表格解析 TEDS 上为 97.05，比同表的 94.76、94.76 与 93.42 高出较明显一档，带结构的 TEDS-S 同为最高；文本编辑距离最优的是 OvisOCR2 的 0.025，公式 CDM 最高的是 OvisOCR2 的 97.53，TeleOCR 的 96.36 居第三。参数规模上，四者都在 1.2B 以内，部署门槛接近。选型时若以表格与结构化输出为主要诉求，可优先比较 TEDS 与 TEDS-S；若以纯文本转写准确度为主，则应参考文本编辑距离。

若需要把解析结果直接用于结构化的内容管线，可参考 FireRed-OCR（小红书推出的文档结构解析与 Markdown 转换工具，面向文档转 Markdown 的输出格式，适合作为解析结果落地环节的对照方案）。

TeleOCR 的应用场景与适用人群

该模型面向需要把纸质与电子文档批量结构化的业务，常见应用场景包括：

• 合同与票据数字化：把扫描件与手机拍摄件直接转为结构化字段，省去单独的图像矫正环节。
• 论文与报告解析：公式与表格分开建模，公式 CDM 为 96.36、表格 TEDS 为 97.05。
• 科学图表数据提取：面向图表元素识别与数据还原，在 ICDAR-2026 挑战赛中位列第一。
• 长文档归档与检索：输出结构化结果后可直接进入检索与知识库管线。
• 端侧与私有化部署：约 1.2B 的体量支持单卡运行，适合数据不外发的场景。

适用人群：处理票据、合同与档案的金融与政务信息化团队，需要批量解析论文与报告的科研与情报部门，以及希望把文档解析能力嵌入自有系统的算法工程师。涉及排版复杂的长文档时，建议先用实际样本验证跨页与跨栏的阅读顺序表现。

TeleOCR 的使用方法

模型以 Transformers 标准方式加载，按任务类型切换指令即可，可按以下步骤开始：

1. 查阅官方材料：在 TeleOCR 官方仓库 了解模型结构与技术报告，确认各任务类型对应的输出格式。
2. 安装依赖：执行 pip install transformers torch pillow 准备运行环境。
3. 加载模型：以 AutoProcessor.from_pretrained 与 AutoModel.from_pretrained 加载 StarDoc-AI/TeleOCR，并以 torch.bfloat16 精度载入 GPU。
4. 按任务解析：文本识别、表格与公式分别使用对应指令，表格输出为 OTSL 结构，公式输出为 LaTeX 表达。
5. 后处理与接入：把 OTSL 结果转换为 HTML 表格、为公式补上定界符后，再写入检索或结构化数据库；需要低资源部署时可改用社区提供的 GGUF 版本。

工程实践上，建议先用业务样本测一遍表格与公式两类难例，再决定是否需要针对特定版式做提示词调整。

TeleOCR 的价格与开源情况

TeleOCR 以 Apache-2.0 许可开放权重，模型已发布于 Hugging Face，可免费下载、修改与商用，官方不设调用收费，成本主要是自建推理的算力支出。官方另提供在线文档解析体验入口，便于在接入前验证效果。

Apache-2.0 允许商业使用、修改与再分发，对闭源集成也未作限制，适合嵌入企业内部的文档处理流水线。社区已提供 GGUF 转换与 llama.cpp 支持，并完成了在昇腾 910B 上的部署验证，在国产算力环境下的可行性已有实践记录。

TeleOCR 的常见问题