(资料图片仅供参考)

智通财经APP获悉，云知声(09678)于2月26日发布首个工业级文档智能基础大模型Unisound U1-OCR，开启了OCR 3.0时代，为后续U1-OCR系列模型的迭代升级奠定了坚实基础。今天（4月21日），历经底层架构重构与海量真实场景打磨，云知声U1-OCR能力实现再度进化，推出系列模型。同时，该模型同步全量上线云知声Token Hub大模型服务平台，开放标准化API，支持一键接入、按需调用，采用Token计费模式，大幅降低企业接入成本与部署门槛，让OCR 3.0时代的文档智能能力惠及更多行业。

云知声U1-OCR架构范式升级，抛弃传统NMS，用统一结构精修解决级联误差，复杂版面解析质的飞跃。技术实力经权威认证，公司多篇核心论文入选ACL2026，双权威数据集登顶，性能可验可追溯。此外，行业全场景适配，支持金融、医疗、教育、交通等复杂文档处理，结构理解+顺序恢复一步到位。

复杂文档解析的典型难点在于，结构信息未被稳定整理，难以高效交付给下游模块。U1-OCR的目标远不只是“把文字识别出来”，更要切实解决复杂文档页面中的结构理解与阅读顺序恢复难题。针对这一行业普遍存在的问题，云知声在U1-OCR中采用了面向复杂文档场景的解析设计，从本质上可拆解为两个核心子任务：一是结构识别，即判断页面中每个区域的内容类型、确定需保留的区域；二是顺序推理，即规划保留区域的合理阅读路径。

围绕这两个任务设计专属关键技术，U1-OCR不仅在多个公开权威数据集上取得了领先成绩，更为真实业务场景中最容易被忽略的检测器与解析器交接环节（detector-to-parserhandoff），提供了更稳定、更可靠的处理方式。

实验结果同样表明，在结构更复杂、布局变化更丰富的页面中，U1-OCR模型矩阵能更高效地处理区域边界判定、类别区分与整体结构恢复问题，精准实现“将竞争候选假设稳定为解析器可用结构输入”的设计目标。

这也意味着，文档解析正从单纯的OCR文字识别，升级为更贴合真实业务需求的文档理解能力。此次U1-OCR全量上线云知声TokenHub大模型服务平台，同步开放标准化API和一键调用功能，将进一步降低文档智能技术的使用门槛，为医疗、交通、金融、教育等多个行业，提供高效、精准的文档解析服务，助力各行业顺利实现数字化转型升级。

关键词： 文档 OCR 结构 解析 场景 行业