SoMark 团队公开 OXR 文档解析模型及代码，将 PDF 和文档图片转换为 Markdown 或 JSON，同时保留版面坐标，方便智能体检索和处理。模型规模为 13 亿参数，支持文字、表格、公式等多种文档元素。
它把版面分析与内容识别拆成可替换的模块，允许接入自己的版面模型。项目提供在线演示和部署说明；运行完整文档解析 API 需要先启动识别与版面分析服务。项目使用单独的 OXR 许可，实际使用仍需查看仓库中的许可条款。
来源：GitHub · SoMarkAI/OXR · 量子位
OXR 将 PDF 转成 AI 可读的结构化数据
SoMark 团队公开 OXR 文档解析模型及代码，将 PDF 和文档图片转换为 Markdown 或 JSON，同时保留版面坐标，方便智能体检索和处理。模型规模为 13 亿参数，支持文字、表格、公式等多种文档元素。