dots.ocr-1.5 開源：3B 多模態模型，能把圖表直接轉成 SVG 程式碼

rednote-hilab 在 Hugging Face 上釋出了開源多模態 OCR 模型 dots.ocr-1.5，引數量只有 3B。

它能做什麼

dots.ocr-1.5 主打多語言文件解析，號稱能識別幾乎所有人類文字系統，並在多語言解析上達到 SOTA 水平。

最吸引人的地方在於處理圖表的方式。據 X 上的討論指出，dots.ocr-1.5 非常擅長將圖表、架構圖等結構化圖形直接轉換成 SVG 程式碼。以往的 OCR 遇到圖表往往只能提取零散的文本標籤，或者乾脆截成點陣圖；直接把它轉成可縮放、可編輯的向量程式碼，完整保留了圖表的結構資訊。

模型權重目前已經在 Hugging Face 上開放下載，3B 的體積也意味著部署門檻相對親民。

為什麼重要

我們認為 dots.ocr-1.5 的實用價值很明確：如果你的工作流需要把大量帶圖表的 PDF、技術報告或論文轉成高質量數字資產，它值得立刻拿來跑一跑。

比起動輒幾十 B 的通用多模態大模型，3B 級別的小尺寸 OCR 部署成本低得多。直接輸出 SVG 的思路也非常討巧，省去了圖表重建的繁瑣後處理，對做知識庫和文件解析工具的開發者來說是個省時的新選擇。