本報(bào)訊 （記者向炎濤）近日，云知聲智能科技股份有限公司（以下簡(jiǎn)稱(chēng)“云知聲”）正式推出Unisound U1-OCR文檔智能基礎(chǔ)大模型。作為首個(gè)工業(yè)級(jí)文檔智能基座，該模型憑借“性能領(lǐng)先、可信可驗(yàn)、開(kāi)箱即用、高效部署、強(qiáng)適配”五大核心優(yōu)勢(shì)，打破傳統(tǒng)文檔處理邊界，樹(shù)立起行業(yè)新標(biāo)桿。

    據(jù)介紹，文檔智能是指利用人工智能技術(shù)自動(dòng)閱讀和理解文檔影像，并進(jìn)行內(nèi)容的讀取、理解、分類(lèi)及關(guān)鍵信息提取。傳統(tǒng)視覺(jué)方案（OCR 1.0）僅能識(shí)別文字，新一代多模態(tài)方案（OCR 2.0）具備端到端版面理解能力和文字識(shí)別能力。而Unisound U1-OCR則正式開(kāi)啟OCR 3.0時(shí)代——在理解版面的基礎(chǔ)上，進(jìn)一步洞察文檔深層語(yǔ)義，實(shí)現(xiàn)自動(dòng)分類(lèi)與業(yè)務(wù)級(jí)信息抽取，完成了從“字符感知”到“文檔認(rèn)知”的質(zhì)的飛躍。

    Unisound U1-OCR核心優(yōu)勢(shì)在于突破了傳統(tǒng)模型“只讀文字、不懂排版”的瓶頸，能夠像人類(lèi)專(zhuān)家一樣“看懂”復(fù)雜文檔。為適應(yīng)OCR 3.0時(shí)代對(duì)于文檔業(yè)務(wù)級(jí)結(jié)構(gòu)化抽取的新要求，Unisound U1-OCR采用ViT+LLM架構(gòu)，其中視覺(jué)編碼器部分采用NaViT架構(gòu)，實(shí)現(xiàn)文檔分辨率動(dòng)態(tài)處理，模型參數(shù)規(guī)模3B量級(jí)，兼顧模型計(jì)算效率與文檔深層語(yǔ)義信息理解的能力要求。

    云知聲方面表示，Unisound U1-OCR開(kāi)啟OCR 3.0時(shí)代，標(biāo)志著AI從單純“識(shí)字”躍遷至“理解業(yè)務(wù)邏輯”。公司將以多模態(tài)文檔為知識(shí)入口，賦予機(jī)器自主推理與證據(jù)溯源能力，推動(dòng)AI從感知走向認(rèn)知。未來(lái)，云知聲期待構(gòu)建能像人類(lèi)一樣閱讀、思考并解決復(fù)雜問(wèn)題的通用智能體，讓每一份文檔都成為通往AGI的智慧階梯。

（編輯 張昕）