MonkeyOCR

MonkeyOCR 是一款基于大型语言模型（LLM）的轻量级文档解析模型，专注于结构化文档解析任务。其核心创新在于采用“结构-识别-关系”（SRR）三元组范式，将非结构化文档中的文本、表格、公式等内容精准转换为机器可读的结构化数据。该模型在英文文档解析任务中超越了Gemini 2.5 Pro和Qwen2.5-VL-72B等顶级模型，展现出卓越的性能。

MonkeyOCR项目官网入口网址：https://github.com/Yuliang-Liu/MonkeyOCR

MonkeyOCR 的模型参数量仅为3B，具有轻量级架构，支持中英文文档解析，适配10+文档类型，包括学术论文、发票、报表等复杂文档类型。其处理速度达到每秒0.84页，显著优于其他同类工具（如MinerU和Qwen2.5-VL-7B）。该模型支持多语言支持、复杂文档处理、表格与结构化数据提取等功能，适用于金融、教育、医疗等领域的文档自动化处理。

MonkeyOCR 的部署方式灵活，支持本地和云端部署，可在单个NVIDIA 3090 GPU上高效运行，满足不同规模应用需求。其开源资源丰富，包括GitHub仓库、在线Demo和论文，便于开发者和研究人员使用。

MonkeyOCR 采用结构-识别-关系（SRR）三元组范式，将文档解析过程分为结构检测、内容识别和关系预测三个阶段，有效提升复杂文档处理的效率和准确性。该模型在公式识别、表格还原等难点任务上表现突出，性能提升显著。

MonkeyOCR 是当前文档智能领域最具实用价值的技术方案之一，为文档数字化和自动化处理提供了强大的支持。