// 01 HyOCR-1.5 是什么
快速结论
HyOCR-1.5（HunyuanOCR-1.5 · 腾讯混元）是腾讯推出的轻量级端到端 OCR 专用视觉语言模型，把文档解析、文本定位识别、信息提取、图像翻译统一在一个模型里。1.0 版 2025-11 发布，1.5 版截至 2026-07 更新，开源、权重在 HuggingFace，国内可直连获取。
适合谁优先使用
- 做文档数字化、票据与证照信息提取的开发者和企业
- 需要把扫描件、图片文字批量转结构化数据的团队
- 想本地部署 OCR、不依赖云 API 的隐私敏感场景
- 做多语言、古籍文字识别或图片翻译的研究者
核心能力拆解
四合一 OCR
文档解析、文本识别定位、信息提取、图像文字翻译统一处理，内置 12 类任务。
DFlash 推理加速
用轻量块扩散草稿模型并行预测多候选 token，明显降低长文本输出的解码延迟。
高分辨率与长上下文
扩展到 4K 分辨率和 128K 上下文，增强低资源语言、古文字、多图问答能力。
灵活部署
支持服务器级 vLLM、消费级 GPU，以及 llama.cpp 的 PC 端（含 CPU）运行。
和同类工具怎么选
| 需求 | 优先考虑 | 判断标准 |
|---|---|---|
| 轻量本地部署 + 多任务 OCR | HyOCR-1.5 | 是否要开源可控 |
| 页面级文档转 Markdown | OvisOCR2 | 是否重排版还原 |
| 云端免部署 | 百度 / 阿里云 OCR | 是否接受按量付费 |
国内平替：本身即国产（腾讯），无需平替；要免部署可用百度智能云、阿里云 OCR API。
限制与避坑
- 是模型而非开箱产品，需一定工程能力部署
- 消费级 GPU 跑 4K 长文档对显存有要求
- 复杂表格、公式等专业版式效果需按自己数据实测
NavXD 使用建议
做发票、合同、证照类文档信息提取、又在意数据隐私想私有化时，HyOCR-1.5 是当前国产开源 OCR 里「轻量 + 多任务 + 能 PC 端跑」最均衡的一档。先用 vLLM 起服务跑通典型样张再决定部署规模。
常见问题
HyOCR 收费吗？开源模型、权重免费，成本主要是自己的算力。
国内能用吗？能，GitHub / HuggingFace 国内可直连，腾讯出品。
和百度 OCR 哪个好？要私有化、可定制选 HyOCR；要免部署、开箱即用选百度或阿里云 API。
// 02 核心 功能
- 核心定位腾讯混元轻量端到端OCR视觉语言模型，文档解析/识别/翻译一体，开源可本地部署。
- 分类索引当前归档在 AI 办公，方便和同频工具横向比较。
- 能力标签关联标签包括 开源、多模态、OCR、文档解析。
- 使用入口已记录可访问入口，可通过本页主按钮跳转。
// 03 使用 场景
- 快速判断是否适合当前任务结合 AI 办公 定位和 开源、多模态、OCR 标签，先判断它是否匹配你的工作流。
- 横向比较同类工具从相同分类和标签继续探索替代工具，减少只看单个产品带来的选择偏差。
- 沉淀工具选型资料把官网入口、平台、版本和 NavXD 标签合并成一页，适合做选型记录或团队分享。
// 04 常见 问题
HyOCR-1.5 是什么？
腾讯混元轻量端到端OCR视觉语言模型，文档解析/识别/翻译一体，开源可本地部署。
HyOCR-1.5 适合哪些场景？
可优先参考它所属的 AI 办公 分类，以及 开源、多模态、OCR、文档解析 等标签。
HyOCR-1.5 是否提供可用入口？
本页已记录官网或下载入口，可通过顶部主按钮访问。
HyOCR-1.5 支持哪些平台？
当前记录为网页工具，通常可通过浏览器访问。
