Nanonets-OCR2：颠覆传统OCR，智能将文档转为结构化Markdown
Nanonets推出的OCR2系列，是业内领先的图像转Markdown模型，不仅提取文本，更实现智能内容识别与语义标注，极大提升LLM后续处理效率。
核心亮点：
- LaTeX公式识别：自动区分行内与块状公式，精准转换为LaTeX格式。
- 智能图片描述：为无标题图片生成结构化描述，支持logo、图表、流程图等多种类型。
- 签名与水印提取：准确识别文档中的签名和水印，分别用专属标签隔离，方便法律与商务文件处理。
- 智能表单控件处理：将复选框和单选按钮标准化为Unicode符号（☐、☑、☒），统一解析。
- 复杂表格与图表提取：支持复杂表格转Markdown和HTML，流程图和组织架构图转Mermaid代码。
- 多语言与手写文档：覆盖英语、中文、法语、西班牙语、日语等多语种，且对手写文档同样友好。
- 视觉问答（VQA）：能直接回答文档内问题，若无答案则回复“不提及”。
实用建议：
- 提升图片分辨率能显著提高准确率。
- 金融等复杂表格文档推荐使用专门优化的“Markdown (Financial Docs)”模式。
- 通过API、transformers库或vLLM均可灵活调用。
Nanonets-OCR2不仅是OCR，更是智能文档理解的强力引擎，助力自动化办公、文档分析和知识管理进入新阶段。
详细内容及开源模型：huggingface.co/nanonets/Nanonets-OCR2-3B
